基于网络拓扑的多关联社交网络层次概率矩阵分解
白浩丽、徐增林、刘斌、李英明
第八届亚洲机器学习大会论文集,PMLR 63:270-2852016年。
摘要
多关系社交网络中的链接预测受到了广泛关注。例如,我们可能会考虑两个用户基于其他模式(例如短信和电话)的联系人成为朋友的可能性。在以前的工作中,矩阵分解模型通常应用于单关系网络;然而,将其扩展到多关系网络中面临两个挑战。首先,很难捕捉不同关系类型的交互。第二个问题是冷启动问题,因为预测多关系网络中的新实体变得更具挑战性。在本文中,我们提出了一种新的方法,称为网络拓扑层次概率矩阵分解(HPMFNT)。我们的模型通过将Katz索引扩展到多关系设置来利用网络拓扑,这可以通过其他关系的辅助信息有效地建模多维交互作用。我们还利用扩展的Katz索引和实体属性来解决冷启动问题。在两个真实世界数据集上的实验表明,我们的模型以显著的优势优于最先进的模型。
引用本文
相关材料