半监督学习在链接预测问题中的应用

• 作者: 郑正中 陈可佳 韩京宇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 链接预测 半监督学习 自我训练 协同训练 社会网络分析
• 年，卷（期）: 2012,（33）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 136-141,221
• 页数: 7页
• 分类号: TP391
• 字数: 5571字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1206-0387

摘要

链接预测是社会网络分析领域的关键问题,研究如何从已知网络中预测可能存在的新链接.现实网络中存在了大量未连接的节点对,从中挖掘潜在信息可以帮助实现链接预测任务.将链接预测视为二类分类问题,使用半监督学习技术,利用网络中的未标记数据帮助学习.使用了两种半监督范式:自我训练和协同训练.在现实数据集Enron和DBLP中的实验结果表明,链接预测任务中采用未标记数据能够有效提高预测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈可佳	南京邮电大学计算机学院	19	54	4.0	6.0
5	韩京宇	南京邮电大学计算机学院	21	87	6.0	8.0
9	郑正中	南京邮电大学计算机学院	3	16	2.0	3.0