基于端到端分布式框架的符号网络预测方法

• 作者: 张良富 张静 李翠平 赵衎衎 陈红
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 符号网络 符号预测 随机梯度Langevin动力学(SGLD) 服务器/客户端框架 端到端分布式框架
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 基于图结构的大数据分析与管理技术专刊
• 页码范围: 614-626
• 页数: 13页
• 分类号: TP311
• 字数: 9483字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005447

摘要

社交网络中的链接关系根据其潜在的含义可分为正关系和负关系.若对网络中的链接关系进行正负标注,则可形成一个符号网络.符号网络在社会学、信息学、生物学等多个领域存在广泛应用.针对符号网络中链接关系的正负预测,已经成为当前研究的热点之一.在大数据背景下,随着符号网络规模的日益扩大,符号预测算法的可伸缩性问题日益突出.一些研究者提出了分布式环境下的符号预测方法,使得算法的可伸缩性问题部分得到缓解.但是由于大多数算法采用了服务器-客户端方式的分布式框架,导致问题并没有得到根本上的解决.提出了一种端到端分布式框架(client to client distributed framework,简称C2CDF),相比传统服务器-客户端架构的集中通信模式,C2CDF的各个节点间地位平等,不存在集中通信,集群的带宽瓶颈和压力得以减轻.通过在社交网络正负符号预测、广告点击率预测及森林类型预测这3个不同真实数据集上的实验结果表明:C2CDF能够在拥有更高准确性的同时,获得2.3倍～3.3倍的加速比,而且拥有良好的泛化性,不仅应用在了社交网络正负符号预测方面,也能作用于广告点击预测等其他领域.