×
张良良;杨龙奇;胡，顾玉;潘志松;李，珍

基于稀疏高斯图形模型的链路预测。 （英语） 兹比尔1400.62120

数学。问题。工程师。 2016年，文章ID 7213432，11 p.（2016）.
摘要：链路预测是复杂网络分析中的一项重要任务。传统的链路预测方法受到网络拓扑结构和节点属性信息的限制，这使得链路预测具有挑战性。在本研究中，我们使用稀疏高斯图形模型进行链路预测，并证明其理论和实际有效性。理论上，链路预测是通过估计样本的逆协方差矩阵来执行的，以克服信息限制。使用四个小型和四个大型真实数据集对该方法进行了评估。实验结果表明，与13种主流相似性方法相比，该方法得到的曲线下面积（AUC）值平均分别提高了3%和12.5%。该方法优于基线方法，当只使用80%的训练集时，预测精度优于主流方法。当在海豚和芋头数据集中仅使用60%时，该方法还提供了显著更高的AUC值。此外，与主流方法相比，所提出的方法在所有数据集上的错误率都表现出优异的性能。

MSC公司：

62甲12 多元分析中的估计

软件：

玻璃纤维;SLEP公司;魁北克
PDF格式BibTeX公司 XML格式引用
\textit{L.Zhang}等人，数学。问题。Eng.2016，文章ID 7213432，11 p.（2016；Zbl 1400.62120）
全文： 内政部

参考文献：

[1] 吕，L.L。；周涛，《复杂网络中的链接预测：一项调查》，《物理学a：统计力学及其应用》，390，6，1150-1170，（2011）·doi:10.1016/j.physa.2010.11.027
[2] 埃尔米什，B。；Acar，E。；Cemgil，A.T.，通过广义耦合张量因子分解对异质数据进行链接预测，数据挖掘与知识发现，29，1，203-236，（2013）·doi:10.1007/s10618-013-0341-y
[3] Yang，Y。；查拉，N。；孙，Y。；Hani，J.，预测多关系和异构网络中的链接，第12届IEEE数据挖掘国际会议论文集（ICDM’12）·doi:10.1109/icdm.2012.144
[4] Liben-Nowell，D。；Kleinberg，J.，《社交网络的链接预测问题》，《美国信息科学与技术学会杂志》，58，7，1019-1031，（2007）·doi:10.1002/asi.20591
[5] Yang，Y。；Lichtenwalter，R.N。；Chawla，N.V.，评估链接预测方法，知识和信息系统，45，3，751-782，（2015）·doi:10.1007/s10115-014-0789-0
[6] 龚，N.Z。；Talwalkar，A。；麦基，L。；黄，L。；Shin，E.C.R。；斯特凡诺夫，E。；Shi，E.R。；Song，D.，使用社交属性网络的联合链接预测和属性推断，美国计算机学会智能系统与技术汇刊，第5，2期，第27条，（2014）·doi:10.1145/2594455
[7] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，用图形套索进行稀疏逆协方差估计，生物统计学，9，3，432-441，（2008）·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[8] Newman，M.E.，成长网络中的聚类和优先连接，物理评论E，64，2，25-102，（2001）
[9] Salton，G。；McGill，M.J.，《现代信息检索导论》（1986），美国纽约州纽约市：McGraw-Hill，纽约州纽约州美国·Zbl 0523.68084号
[10] Jaccard，P.，《阿尔卑斯山和侏罗纪地区植物分布比较练习集》，《自然科学协会公报》，37，142，547-579，（1901）
[11] Sørensen，T.，植物社会学中基于物种相似性建立等幅群的方法及其在丹麦公地植被分析中的应用，Biologiske Skrifter，5，1-34，（1948）
[12] Leicht，E.A。；霍尔姆，P。；Newman，M.E.J.，网络中的顶点相似性，物理评论E，73，2，（2006）·doi:10.1103/physreve.73.026120
[13] 谢义斌。；周，T。；Wang，B.-H.，无标度无增长网络，物理A：统计力学及其应用，387，7，1683-1688，（2008）·doi:10.1016/j.physa.2007.11.005
[14] 周，T。；吕，L。；Zhang，Y.C.，通过本地信息预测缺失链接，《欧洲物理杂志》B，71，4，623-630，（2009）·Zbl 1188.05143号 ·doi:10.1140/epjb/e2009-00335-8
[15] 刘，Z。；张庆明。；吕，L。；Zhou，T.，《复杂网络中的链接预测：局部朴素贝叶斯模型》，EPL（Europhysics Letters），96，4，（2011）·doi:10.1209/0295-5075/96/48007
[16] Dahl，J。；范登伯格，L。；Roychowdhury，V.，通过弦嵌入的非弦图协方差选择，优化方法与软件，23，4，501-520，（2008）·Zbl 1151.90514号 ·网址：10.1080/1055678080202693
[17] O.班纳吉。；Ghaoui，L.E。；Daspremont，A.，多元高斯或二进制数据的稀疏最大似然估计模型选择，机器学习研究，9，3，485-516，（2008）·Zbl 1225.68149号
[18] 谢长杰。；Sustik，硕士。；迪伦，I.S。；Ravikumar，P.K。；Poldrack，R.，Big&quic:一百万变量的稀疏逆协方差估计，神经信息处理系统进展，3165-3173，（2013），麻省理工学院出版社
[19] 谢长杰。；Sustik，硕士。；迪伦，I.S。；Ravikumar，P.，QUIC：稀疏逆协方差估计的二次近似，机器学习研究杂志，15，2911-2947，（2014）·Zbl 1319.65048号
[20] 拉托拉，V。；Marchiori，M.，《小世界网络的有效行为》，《物理评论快报》，87，（2001）·Zbl 1060.91520号 ·doi:10.1103/PhysRevLett.87.198701
[21] Watts，D.J。；Strogatz，S.H.，“小世界”网络的集体动态，《自然》，393，6684，440-442，（1998）·兹比尔1368.05139 ·doi:10.1038/30918
[22] 纽曼，M.E.J.，网络中的分类混合，《物理评论快报》，89，20，（2002）
[23] 刘杰。；季S。；Ye，J.，《SLEP：稀疏学习与有效投影》，第6期，（2009），美国亚利桑那州坦佩市，美国亚里桑那州立大学
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。