×
唐磊；刘欢

利用社交媒体网络进行分类。 （英语） 兹比尔1235.91150

数据最小知识。发现。 23，第3期，447-478（2011）.
摘要：社交媒体改变了人们相互交流的方式。参与式网络和社交网站（如YouTube、Twitter和Facebook）的快速发展也带来了许多数据挖掘机会和新的挑战。特别是，我们关注的是社交网络中具有用户交互信息的分类任务。社交媒体中的网络是异构的，由各种关系组成。由于关系类型信息可能在社交媒体中不可用，大多数现有方法都将这些非均匀连接同质化处理，导致分类性能不理想。为了处理网络异质性，我们提出了社会维度的概念来表示参与者的潜在从属关系，并在此基础上开发了一个分类框架。所提出的框架SocioDim首先基于网络结构提取社会维度，以准确捕获参与者之间的显著交互模式，然后学习判别分类器来选择相关的社会维度。SocioDim通过区分不同类型的网络连接，优于社交媒体中现有的代表性分类方法，并提供了一种简单而有效的方法来整合两种看似正交的信息：参与者网络及其属性。

引用于7文件

MSC公司：

91天30分 社交网络；意见动态
68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）

关键词：

社会化媒体；社会网络分析；关系学习；网络内分类；集体推理

软件：

网络工具包
PDF格式BibTeX公司 XML格式引用
\textit{L.Tang}和\textit{H.Liu}，Data Min.Knowl。发现。23，第3号，447--478（2011；Zbl 1235.91150）
全文： 内政部

参考文献：

[1] Airodi EM，Blei D，Fienberg SE，Xing EP（2008）混合成员随机块模型。J Mach Learn Res 9:1981–2014·Zbl 1225.68143号
[2] Almack JC（1922）《智力对选择同事的影响》。附表Soc 16:529–530
[3] Bott H（1928）《幼儿园游戏活动的观察》。《Genet Psychol Monogr》4:44–88
[4] Chakrabarti D，Faloutsos C（2006），图挖掘：定律、生成器和算法。ACM计算概况38（1）：2·doi:10.1145/1132952.1132954
[5] Chakrabarti S，Dom B，Indyk P（1998）使用超链接增强超文本分类。在：SIGMOD'98：1998年ACM SIGMOD数据管理国际会议记录。美国纽约州纽约市ACM，第307–318页
[6] Chang E，Zhu K，Wang H，Bai H，Li J，Qiu Z，Cui H（2007）Psvm：分布式计算机上的并行化支持向量机。高级神经信息处理系统20:1081–1088
[7] Chen G，Wang F，Zhang C（2008）通过求解sylvester方程实现半监督多标签学习。摘自：美国马里兰州贝塞斯达SIAM国际数据挖掘会议记录，第410-419页
[8] Chen W-Y，Song Y，Bai H，Lin C-J，Chang EY（2010）分布式系统中的并行谱聚类。IEEE跨模式分析马赫积分99
[9] Fan R-E，Lin C-J（2007）《多标签分类阈值选择研究》。国立台湾大学技术报告
[10] Fiore AT，Donath JS（2005）《在线约会中的同性恋：你什么时候喜欢像你这样的人？》？。收录：CHI'05:CHI'05扩展了计算系统中人为因素的摘要。美国纽约州纽约市ACM，第1371–1374页
[11] Fortunato S，Barthelemy M（2007）《社区检测中的分辨率限制》。PNAS 104（1）：36–41·doi:10.1073/pnas.0605965104
[12] Gallagher B，Tong H，Eliassi-Rad T，Faloutsos C（2008）使用虚边在稀疏标记网络中进行分类。2008年：第14届ACM SIGKDD知识发现和数据挖掘国际会议记录。美国纽约州纽约市ACM，第256-264页
[13] Geman S，Geman D（1990）《随机松弛、吉布斯分布和图像的贝叶斯恢复》，美国加利福尼亚州旧金山，第452-472页·Zbl 0573.62030号
[14] Getoor L，Taskar B（Eds）（2007）《统计关系学习导论》。麻省理工学院出版社，英国伦敦·兹比尔1141.68054
[15] Golub GH，Van Loan CF（1996）矩阵计算。3.巴尔的摩约翰霍普金斯大学出版社·Zbl 0865.65009号
[16] Graf H，Cosatto E，Bottou L，Doudanovic I，Vapnik V（2005）《并行支持向量机：级联支持向量机》。高级神经信息处理系统17（521-528）：2
[17] Handcock MS、Raftery AE、Tantrum JM（2007），基于模型的社交网络聚类。J R Stat Soc A 127（2）：301–354·Zbl 05273954号 ·doi:10.1111/j.1467-985X.2007.00471.x
[18] Hoff PD、Raftery AE、Handcock MS（2002）《社交网络分析的潜在空间方法》。J A Stat Assoc 97（460）：1090–1098·Zbl 1041.62098号 ·doi:10.1198/016214502388618906
[19] Hopcroft J、Khan O、Kulis B、Selman B（2003）大型互联网络中的自然社区。收录于：KDD’03：第九届ACM SIGKDD知识发现和数据挖掘国际会议记录。美国纽约州纽约市ACM，第541-546页
[20] Jensen D，Neville J，Gallagher B（2004）为什么集体推理可以改进关系分类。收录于：KDD’04：第十届ACM SIGKDD知识发现和数据挖掘国际会议记录。美国纽约州纽约市ACM，第593–598页
[21] Kondor RI，Lafferty J（2002）图和其他离散结构上的扩散核。在：ICML，纽约，纽约，美国
[22] Kumar R、Novak J、Tomkins A（2006）《在线社交网络的结构和演变》。收录于：KDD’06：第12届ACM SIGKDD知识发现和数据挖掘国际会议记录。美国纽约州纽约市ACM，第611-617页
[23] Leskovec J、Lang KJ、Dasgupta A、Mahoney MW（2008）大型社会和信息网络中社区结构的统计特性。2008年WWW：第17届万维网国际会议议程。美国纽约州纽约市ACM，第695-704页
[24] Leskovec J，Lang KJ，Mahoney M（2010）网络社区检测算法的实证比较。摘自：WWW’10：第19届万维网国际会议记录。美国纽约州纽约市ACM，第631-640页
[25] Liu Y，Jin R，Yang L（2006）基于约束非负矩阵分解的半监督多标签学习。地址：美国佛罗里达州奥兰多市AAAI
[26] 卢Q，Getoor L（2003）基于链接的分类。In:ICML:美国纽约州纽约市
[27] Luxburg Uv（2007）光谱聚类教程。Stat Comput 17（4）：395–416·数字对象标识代码：10.1007/s11222-007-9033-z
[28] Macskassy SA，Provost F（2003）简单关系分类器。In:美国纽约州纽约市ACM出版社第九届ACM SIGKDD知识发现和数据挖掘国际会议多关系数据挖掘研讨会（MRDM）会议记录
[29] Macskassy SA，Provost F（2007），《网络数据分类：工具包和单变量案例研究》。J Mach学习研究8:935–983
[30] McPherson M、Smith-Lovin L、Cook JM（2001）《物以类聚：社交网络中的亲同性》。社会学年度评论27:415–444·doi:10.1146/annurev.soc.27.1.415
[31] Menon AK，Elkan C（2010）二元数据的预测标签。数据最小知识发现21（2）：327–343·Zbl 06022896号 ·doi:10.1007/s10618-010-0189-3
[32] Neville J，Jensen D（2005）利用潜在群体模型的关系自相关。摘自：2005年MRDM：第四届多关系采矿国际研讨会会议记录。美国纽约州纽约市ACM，第49–55页
[33] Newman M（2006）使用矩阵的特征向量发现网络中的社区结构。Phys Rev E Stat Nonlin软物质Phys 74（3）
[34] Newman M（2006）《网络中的模块化和社区结构》。PNAS 103（23）：8577–8582·doi:10.1073/pnas.0601602103
[35] Nowicki K，Snijders TAB（2001），随机块体结构的估算和预测。美国统计协会杂志96（455）：1077–1087·Zbl 1072.62542号 ·doi:10.1198/016214501753208735
[36] Sarkar P，Moore AW（2005）使用潜在空间模型的动态社会网络分析。SIGKDD探索新闻7（2）：31–40·兹伯利05442912 ·doi:10.1145/1117454.1117459
[37] Sen P、Namata G、Bilgic M、Getoor L、Galligher B、Eliassi-Rad T（2008）《网络数据的集体分类》。AI Mag 29（3）：93
[38] Shi J，Malik J（1997）标准化切割和图像分割。收录：CVPR’97：1997年计算机视觉和模式识别会议记录（CVPR‘97）。IEEE计算机学会，美国华盛顿特区，第731页
[39] Tang L，Liu H（2009a）通过潜在的社会维度进行关系学习。收录于：KDD’09：第15届ACM SIGKDD知识发现和数据挖掘国际会议记录。美国纽约州纽约市ACM，第817–826页
[40] 唐磊，刘华（2009b）基于稀疏社会维度的集体行为可扩展学习。在：CIKM’09：第18届ACM信息和知识管理会议记录。美国纽约州纽约市ACM，第1107-1116页
[41] 唐磊，刘华（1996）社交媒体中的社区检测与挖掘。关于数据挖掘和知识发现的综合讲座。美国摩根和克莱普尔出版社
[42] Tang L，Rajan S，Narayanan VK（2009）通过metalabeler进行大规模多标签分类。收录于：WWW'09：第18届国际互联网会议记录。美国纽约州纽约市，第211-220页
[43] Taskar B、Abbeel P、Koller D（2002），关系数据的判别概率模型。收件人：UAI，加拿大埃德蒙顿，第485-492页
[44] Taskar B、Segal E、Koller D（2001）关系数据中的概率分类和聚类。摘自：IJCAI'01：第17届国际人工智能联合会议记录。Morgan Kaufmann Publishers Inc，美国加利福尼亚州旧金山，第870-876页
[45] Thelwall M（2009）《我的空间里的同性恋》。美国社会科学与技术杂志60（2）：219–231·Zbl 05748348号 ·doi:10.1002/asi.20978年
[46] Travers J，Milgram S（1969）《小世界问题的实验研究》。社会学32（4）：425–443·doi:10.2307/2786545
[47] Tsoumakas G，Katakis I（2007）《多标签分类：概述》。国际J数据仓库最小值3（3）：1–13·doi:10.4018/jdwm.2007070101
[48] Tsuda K，Noble WS（2004）通过最大化熵从生物网络中学习内核。生物信息学20:326–333·doi:10.1093/bioinformatics/bth906
[49] Wasserman S，Faust K（1994）《社会网络分析：方法和应用》。剑桥大学出版社·兹伯利0926.91066
[50] 威尔曼B（1926）学童对同伴的选择。教育研究杂志14:126–132
[51] Xu Z，Tresp V，Yu S，Yu K（2008）社会网络分析的非参数关系学习。In:KDD’2008社交网络挖掘和分析研讨会，美国内华达州拉斯维加斯
[52] 查H，何X，丁CHQ，顾M，西蒙HD。（2001）k-means聚类的谱松弛。摘自：NIPS，加拿大温哥华，第1057-1064页
[53] Zhou D，Bousquet O，Lal T，Weston J，Schokopf B（2004）学习与本地和全球一致性。收录：神经信息处理系统进展16：2003年会议记录。Bradford Book，剑桥，第321页
[54] 朱X（2006）半监督学习文献调查。麻省理工学院出版社，美国剑桥
[55] Zhu X，Ghahramani Z，Lafferty J（2003）使用高斯场和调和函数的半监督学习。地址：ICML，美国纽约州纽约市
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。