{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,29]]，“日期-时间”：“2024-05-29T05:54:29Z”，“时间戳”：1716962069325}，“参考-计数”：61，“出版商”：“计算机协会（ACM）”，“问题”：“3”，“资助者”：[{“DOI”：“10.13039\/501000001809”，“名称”：“NSM FC“，”DOI-asserted-by“：”crossref“，“奖项”：[“61632009”]}，{“名称”：“广东省国家自然科学基金会”，“奖项“：[”2017A0303006“]}“”：[“kq 2004017”]}，{“name”：“NSF”，“award”：[“CNS 1824440，CNS 1828363，CNS 1757533，CNS 1618398，CNS 1651947，CNS 1564128”]}.，{”name“：”国家自然科学基金委杰出青年科学计划“，”award“：[”61625202“]}，“内容域”：{“域”：[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[“ACM Trans.Knowl.Discov.Data”]，“published-print”：{“date-parts”：[[2021,6,30]]}，”抽象“：”CANDECOMP \/PARAFAC（CP）分解广泛应用于各种在线社交网络（OSN）应用。然而，在处理海量和增量数据时效率低下。为了提高效率和处理演化数据，人们提出了一些增量CP分解（ICP）方法，根据新添加的数据更新分解结果。ICP方法是有效的，但由于增量更新中的近似导致了严重的误差积累，因此不准确。为了促进国际比较项目的广泛使用，我们努力减少其累积误差，同时保持高效率。我们首先将ICP中所有可能的误差分为两类：累积重建误差和预测误差。接下来，我们制定了两个优化问题来减少这两个错误。然后，我们提出了几种重启策略来解决这两个问题。最后，我们在三个典型的动态OSN应用程序中测试了其有效性。据我们所知，这是第一次减少动态OSN中ICP方法的累积误差<\/jats:p>“，”DOI“：”10.1145\/3441645“，”type“：”journal-article“，”created“：{”date-parts“：[2021,4,21]]，”date-time“：”2021-04-21T15:42:54Z“，”timestamp“：1619019774000}，“page”：“1-33”，“update-policy”：“：[”减少动态在线社交网络中增量CP分解的累积错误“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”晶晶“，”家庭“：”王“，”序列“：”第一“，”隶属“：[}”名称“：”湖南大学，湖南省长沙市“}]}，{”ORCID“：”http://\/ORCID.org\/00000-0003-4985-7454“，”authenticated-orcid“：false，”given“：”Wenjun“，”family“：”Jiang“，”sequence“：”additional“，”affiliation“：[{”name“：”Hunan University，Chuang City，Hunan Province，China}]}，{“given”：“Kenli”，“family”：“Li”，“sequence”：“additional”，“affiliance”：[{name“：“Hunan University，Thuan Provincement，China”}]}，{，“givention”：“Keqin”，“家庭”：“李”，“序列”additional“，”affiliation“：[{”name“：”Hunan University and State University of New York，New Yorks，USA“}]}]，”member“：”320“，”published-on-line“：{”date-parts“：[2021,4,21]]}，”reference“：[}”key“：”e_1_1_1“，”unstructured“：”2018。Behance.net社交网络。检索自http://www.Behance.net\/。2018.Behance.net社交网络。检索自http://www.Behance.net\/。“}，{”key“：”e_1_1_2_1“，”volume-title“：”2009 IEEE数据挖掘研讨会国际会议记录。IEEE，262_u2013269“，”author“：”Acar Evrim“，”unstructured“：”Evrim Acar，Daniel M.Dunlavy，and Tamara G.Kolda.2009。使用矩阵和张量分解对进化数据进行链接预测。2009年IEEE国际数据挖掘研讨会会议记录。IEEE，262\u2013269。Evrim Acar、Daniel M.Dunlavy和Tamara G.Kolda。2009.使用矩阵和张量分解对进化数据进行链接预测。2009年IEEE国际数据挖掘研讨会会议记录。IEEE，262\u2013269.“}，{”key“：”e_1_1_3_1“，”volume-title“：”Zaki“，”author“：”Hasan Mohammad Al“，“年份”：“2011年”，“非结构化”：”Mohammad-Al-Hasan and Mohammed J.Zaki.2011.社交网络链接预测调查。in social Network Data Analytics。Springer，243\u2013275。穆罕默德·哈桑和穆罕默德·扎基。2011年，一项关于社交网络链接预测的调查。在社交网络数据分析中。Springer，243\u2013275.“}，{”key“：”e_1_2_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2487788.2487877”}，“key”：“e_1_cu5_1”，“首页”：“80”，“文章标题”：“使用特定群体模型预测在线内容的流行程度”，“卷”：“53”，“作者”：“曹琦”，年：“2017”，“非结构化”：“曹琦、沈华伟、高浩、高金华和程雪琪。2017 . 使用特定群体模型预测在线内容的流行程度。ACM通信53，8（2017），80\u2013 88。齐曹（Qi Cao）、沈华为（Huawei Shen）、高浩（Hao Gao）、高金华（Jinhua Gao）和程雪琪（Xueqi Cheng）。2017年。使用特定群体模型预测在线内容的流行程度。《ACM通信》53，8（2017），80\u201388.“，“日记标题”：“ACM通信”}，{“key”：“e_1_1_6_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1137\/1.9781611974010.63“}，”{“密钥”：“e_1_2_1_7_1”、“doi-sserted-by“：”publisher“，”doi:“10.1002\/cpe.4882”}、{“key”：”e_2_8_1“，“volume-title”“：”使用矩阵和张量分解进行时间链接预测。ACM Trans Knowledge Discovery from Data 5，2“，“author”：“Dunlavy Daniel M.”，“year”：“2011”，“unstructured”：“Daniel M Dunlavi，Tamara G.Kolda，and Evrim Acar”。2011.使用矩阵和张量分解进行时间链接预测。ACM Trans Knowledge Discovery from Data 5，2（2011），1\u201327。Daniel M.Dunlavy、Tamara G.Kolda和Evrim Acar。2011.使用矩阵和张量分解进行时间链接预测。ACM Trans Knowledge Discovery from Data 5，2（2011），1\u201327.“}，{”key“：”e_1_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.automatica.2011.03.008”}，“key”：“e_1_i_1_10_1”，“volume-title”：“第32届AAAI人工智能会议论文集32”，“author”：“Zhang Ziwei”，“year”：“2018”，“unstructured”：“”Ziwei Zhang、Peng Cui、Jian Pei、XiaoWang和Wenwu Zhu。2018 . 计时器：动态网络上错误绑定的SVD重新启动。第32届AAAI人工智能会议记录32，1（2018），224--231。Ziwei Zhang、Peng Cui、Jian Pei、XiaoWang和Wenwu Zhu。2018年，TIMERS：动态网络上错误受限的SVD重启。第三十二届AAAI人工智能会议论文集32，1（2018），224--231微博人气预测的分类与评价。ACM Transactions on Knowledge Discovery from Data 13，2“，“author”：“Gao Xiaofeng”，“year”：“2019”，“unstructured”：“Xiaofen Gao、Zhenhao Cao、Sha Li、Bin Yao、Guihai Chen和Shaojie Tang。2019.微博人气预测的分类和评估。ACM《数据知识发现汇刊》13，2（2019），15。高晓峰、曹振浩、沙莉、姚斌、陈桂海和唐少杰。2019.微博人气预测的分类和评估。《美国医学会数据知识发现汇刊》13，2（2019），15.“}，{”key“：”e_1_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2959100.2959151”}，“key”：“e_2_1_15_1”，“doi-assert-by”：“publisher”，”doi“：”10.1002\/gamm.201310004“}”，{jral Ekta”，“年份”：“2018年”，“非结构化”：“Ekta Gujral、Ravdeep Pasricha和Evangelos E。帕帕莱克萨基斯。2018 . Sambaten：基于采样的批量增量张量分解。2018年SIAM数据挖掘国际会议论文集。SIAM，387\u2013395。Ekta Gujral、Ravdeep Pasricha和Evangelos E.Papalexakis。2018.Sambaten：基于抽样的批量增量张量分解。2018年SIAM数据挖掘国际会议论文集。SIAM，387\u2013395.“}，{”key“：”e_1_1_17_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/0196-6774（90）90014-6”}，“key”：“e_1_i_18_1”，“doi-assert-by”：“publisher”，”doi“：”10.1038\/srep31708“}”，{“key“:”e_2_1_19_1“”，“volume-title”：“第26届万维网国际会议论文集。725\ u2013733“，“作者”：“黄明X”，“非结构化”：“Minh X.Hoang、Xuan Hong Dang、Xiang Wu、Zhenyu Yan和Ambuj K.Singh。2017.GPOP：社交网络在线内容的可扩展群体级流行预测。第26届万维网国际会议论文集。725\u2013733。Minh X.Hoang、Xuan Hong Dang、Xiang Wu、Zhenyu Yan和Ambuj K.Singh。2017.GPOP：社交网络在线内容的可扩展群体级流行预测。第26届万维网国际会议论文集。725\u2013733.“｝，｛“key”：“e_1_2_1_20_1”，“doi断言者”：“publisher”，“doi”：“10.1145\/3414481”｝，｛“key”：“e_1_2_21_1”，“首页”：“1”，“文章标题”：“信息传播中的时间尺度”，“卷”：“4”，“作者”：“黄俊明”，“年份”：“2014”，“非结构化”：“黄俊明、李超、王文强、沈华伟、李国杰和程雪琪。2014 . 信息传播中的时间尺度。科学报告4，1（2014），1--6。黄俊明、李超、王文强、沈华伟、李国杰和程雪琪。2014.信息传播的时间尺度。科学报告4，1（2014），1-6.“，”journal-title“：”Scientific Reports“}，{”key“：”e_1_1_22_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2906151”}，“key”：“e_1_cu1_23_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TC.2015.2444842“}”，{“key“:”e_2_1_24_1“I“：”10.1006\/jpdc.1997.1404“}，{“键”：“e_1_2_1_25_1”，“doi-asserted-by“：”publisher“，”doi“：”10.1137\/07070111X“}，{“key”：“e_1_1_26_1”，“doi-assert-by”：“publisher”，”doi:“10.1145\/1553374.1553447”}，}“keys”：“e_1_2_1_27_1”、“doi-aserted-by”:“publishers”，“doi”：“10.1145 \/1772690.1772751”}、{“key”：“publisher”，“doi”：“10.1145\/1772690.1772754”}，{“key”：“e_1_2_1_29_1”doi-asserted-by“：”publisher“，”doi“：”10.1002\/sapm1946251261“}，{“key”：“e_1_2_1_30_1”，“doi-assert-by”：“publisher”，”doi:“10.1145\/2808797.2809355”}，“{”key“：”e_1_i_1_31_31“，”volume-title“：”第26届国际人工智能联合会议论文集。2180\u20132186“，”作者：“张鲁明许向华金晓杰”，“年份”：“2017”，“非结构化”：“金小杰张鲁明徐祥华闫水城李平，冯家石。2017 . 在线鲁棒低阶张量学习ping。第26届国际人工智能联合会议论文集。2180\u20132186。金晓杰、张鲁明、徐向华、颜水成、李平、冯家石。2017.在线稳健低阶张量学习ping。第26届国际人工智能联合会议论文集。2180\u20132186.“}，{”key“：”e_1_1_32_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1002\/asi.20591”}，“key”：“e_1_i_1_33_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.physa.2010.11.027“}”，{“}，{”key“：”e_1_2_1_35_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-642-23783-6_28“}，{“key”：“e_1_2_1_36_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s13278-017-0483-9“}”，{”key“：”e_1_cu1_37_1“，”doi-assert-by“：”publisher“，“doi”：“10.1145\/293672.2939751”}，“key“”：“e_1_2_1_38_1”、“doi-sserted-by“”：”publister“，”doi:“10.1145\/2915921“}，{”key“：”e_1_2_1_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3018661.3018731“}，{“key”：“e_1_2_1_40_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1103\/PhysRevLett.123.128301“}”，{”key“：”e_1_i_1_41_1“，”volume-title“：”2013年ACM网络搜索和数据挖掘国际会议论文集。ACM，365\u2013374“，”author“：”Pinto Henrique“，“unstructured”：”Henriq Pinto，Jussar M。阿尔梅达（Almeida）和马科斯·冈阿尔维斯（Marcos A.Gon\u00e7alves）。2013年。使用早期浏览模式预测Youtube视频的受欢迎程度。2013年ACM网络搜索和数据挖掘国际会议论文集。美国医学会，365\u2013374。亨利克·平托（Henrique Pinto）、朱莎拉·阿尔梅达（Jussar M.Almeida）和马科斯·冈·阿尔维斯（Marcos A.Gon00e7alves）。2013年。使用早期浏览模式预测Youtube视频的受欢迎程度。2013年ACM网络搜索和数据挖掘国际会议论文集。ACM，365\u2013374.“}，{“key”：“e_1_2_1_42_1”，“volume-title”：“复杂网络的控制轮廓。Science 343，6177”，“author”：“Ruth Justin”，“year”：“2014”，“unstructured”：“Justin Ruths and Derek Ruths。2014。复杂网络的控制配置文件。《科学》3436177（2014），1373 \u20131376。贾斯汀·鲁思和德里克·鲁思。2014.复杂网络的控制概况。Science 343，6177（2014），1373 \u20131376。“}，{“key”：“e_1_1_43_1”，“volume-title”：“用户的模式和动态”，“author”：“Swain Nigel”，“year”：“2010”，“unstructured”：“Nigel Swain.2010”。用户行为和交互的模式和动态：在线社区的网络分析。信息科学与技术协会期刊60，5（2010），911\u2013932。奈杰尔·斯温。2010.用户行为和交互的模式和动态：在线社区的网络分析。《信息科学与技术协会期刊》60，5（2010），911\u201393210.1186\/s13174-014-0008-y“}，{“key”：“e_1_2_1_47_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/1988688.198766“}”，{”key“：”e_1_cu1_48_1“，”volume-title“：”第七届IEEE国际数据挖掘会议论文集“，”author“：”Wang Chao“，”V.Satuluri，and S.Parthasarathy.2007。链路预测的局部概率模型。第七届IEEE数据挖掘国际会议论文集。Chao Wang、V.Satuluri和S.Parthasarathy。2007.链路预测的本地概率模型。第七届IEEE数据挖掘国际会议论文集。“}，{”key“：”e_1_1_49_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.ins.2020.09.002”}，“key”：“e_2_1_50_1”，“volume-title”：“在线社交网络中的增量群体级人气预测。工作正在进行中”，“author”：“Wang Jingjing”，“year”：“2021”，“unstructured”：“JingJiang，Wenjun，and Guojun Wang.2021”。在线社交网络中的增量群体级人气预测。正在进行的工作（2021年）。王晶晶、蒋文军和王国军。2021.在线社交网络中的增量群体级受欢迎度预测。正在进行的工作（2021年）。“}，{”key“：”e_1_1_51_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/s11432-014-5237-y”}，“key”：“e_2_1_52_1”，“volume-title”：“第十二届ACM网络搜索与数据挖掘国际会议论文集。ACM，537\u2013545”，“author”：“Wu Xian”，“unstructured”：“Xian Wu，Baoxu Shi，Yuxiao Dong，Chaesh Huang，and Nitesh V.Chawla.2019。用于时间交互学习的神经张量分解。第12届ACM网络搜索和数据挖掘国际会议论文集。美国医学会，537\u2013545。Xian Wu、Baoxu Shi、Yuxiao Dong、ChaoHuang和Nitesh V.Chawla。2019.用于时间交互学习的神经张量因子分解。第12届ACM网络搜索和数据挖掘国际会议论文集。ACM，537\u2013545.“}，{”key“：”e_1_1_53_1“，”volume-title“：”Article 1“，”author“：”夏培科“，”year“：”2021“，“unstructured”：“夏培科、蒋文军、吴杰、肖素荣、王国军。2020。利用产品评论中的时间动态，在方面级别进行动态情绪预测。ACM《数据知识发现汇刊》1，1，第1篇（2021年），27页。https:\/\/doi.org\/10.1145\/3441451 10.1145\/344151夏培科、蒋文军、吴杰、肖素荣和王国军。2020年。利用产品评论中的时间动态，在方面层面进行动态情绪预测。ACM《数据知识发现汇刊》1，1，第1篇（2021年），27页。https:\/\/doi.org\/10.1145\/3441451“}，{”key“：”e_1_1_54_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/JSTSP.2014.2370942”}，“key”：“e_1_i_1_55_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/INFOCOM.2015.7218618“}”，{，“doi”：“10.1145\/1935826.1935863”}，{“key”：“e_1_2_1_57_1”，“volume-title”：“2015年IEEE第54届决策与控制会议记录。电气与电子工程师协会。“，”author“：”Yeung Enoch“，”unstructured“：”Enoch Yeung、Jongmin Kim、Jorge Gon\u00e7alves和Richard M.Murray。2015.从重构的动力学结构子网络中识别全球网络：在生化反应网络中的应用。2015年IEEE第54届决策与控制会议记录。IEEE标准。以诺·杨、金钟民、豪尔赫·冈·阿尔维斯和理查德·默里。2015.从重构的动力学结构子网络中识别全球网络：在生化反应网络中的应用。2015年IEEE第54届决策与控制会议记录。电气与电子工程师协会。“}，{”key“：”e_1_1_58_1“，”article-title“：”探索天气数据以预测基于事件的社交网络中的活动出勤率：来自组织者\u2019s的观点“，”volume“：“1”，”author“：”Zhang Jifeng“，”year“：”2021“，”unstructured“：”张继峰、蒋文军、张金瑞、吴杰和王国军。2021 . 探索天气数据以预测基于事件的社交网络中的活动出席人数：来自组织者的观点。ACM网络交易1，1，第1条（2021），25页。https:\/\/doi.org\/10.1145\/3440134 10.1145\/3440114张继峰、蒋文军、张金瑞、吴杰和王国军。2021.探索天气数据以预测基于活动的社交网络中的活动出席率：从组织者\u2019的角度来看。ACM网上交易1，1，第1条（2021年），25页。https:\/\/doi.org\/10.1145\/3440134“，”journal-title“：”ACM网上交易“}，{“key”：“e_1_2_1_59_1”，“volume-title”：“2018年IEEE国际数据挖掘会议论文集。IEEE计算机学会。”，“author”：“Zhou Shuo”，“unstructured”：“Shuo Zhou，S.Erfani，and J.Bailey。2018。稀疏张量的在线CP分解。2018年IEEE数据挖掘国际会议论文集。IEEE计算机学会。周朔、S.埃尔法尼和J.贝利。2018.稀疏张量的在线CP分解。2018年IEEE数据挖掘国际会议论文集。IEEE计算机学会。“}，{”key“：”e_1_1_60_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2939672.2939763”}，“key”：“e_2_1_61_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TKDE.2016.2591009“}]，”container-title“：[”ACM Transactions on Knowledge Discovery from Data“]，”original title“：[]，”language“：”en“，”link“：[{”URL“：“”https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3441645“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,1]]，”date-time“：“2023-01-01T21:17:00Z”，“timestamp”：1672607820000}，“score”：1，“resource”：{“primary”：“{”URL“：”https:\\/dl.acm.org\/doi\/10.1145\/3441645“}}”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021,4,21]]}，”引用计数“：61，”日志发布“：}”问题“：“3”，”发布发布“：｛”日期部件“：[2021,6,30]]}}，“alternative-id”：[“10.1145\/3441645”]，“URL”：“http://\/dx.doi.org\/10.1145\/344145”，“关系”：{}，“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-46081“，“type”：”print“}，{”value“：“1556-472X”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2021,4,21]]}，“assertion”：[{“value”：”2019-10-01“，“order”：0，“name”：“received”，“label”：“received”，”group“：{”name“：”publication_history“，”label“：”publication history“}}，{”value“:”2020-12-01“，”order“：1，”name“accepted”，“table”：“已接受”，“组”：{“名称”：publication_history“，”label“：”publication history“}}，{”value“：”2021-04-21“，”order“：2，”name“：”published“，”标签“：”published“，”group“：