基于LDA主题模型的社会网络链接预测

• 作者: 卢文羊 徐佳一 杨育彬
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 社会网络 链接预测 潜在狄利克雷分配 网络演化 主题模型
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 26-31
• 页数: 6页
• 分类号: TP301
• 字数: 5407字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2014.116

摘要

针对传统社会网络链接预测方法忽视节点文本内容的问题，提出一种基于潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题模型的协作演化链接预测算法。算法利用LDA模型，对节点的文本内容进行分析，提取出每个节点的主题分布向量，利用分布向量的点积来衡量节点文本的相似性；然后将节点文本内容相似性矩阵与节点邻接矩阵相加，在此基础上计算节点之间的相似性；最后选取相似性最高的k个节点作为预测结果。实验结果表明该算法在网络图稀疏的情况下有较好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨育彬	南京大学计算机软件新技术国家重点实验室	41	906	14.0	29.0
2	卢文羊	南京大学计算机软件新技术国家重点实验室	1	7	1.0	1.0
3	徐佳一	南京大学计算机软件新技术国家重点实验室	1	7	1.0	1.0