基于节点地位和相似性的社交网络边符号预测

• 作者: 卢志刚 叶美丽
• 来源期刊: 计算机应用研究
• 关键词: 边符号预测 节点地位 节点相似性 逻辑回归 随机梯度上升算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 411-415
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0516

摘要

边符号预测即根据网络拓扑结构挖掘符号相关隐含信息,旨在揭示用户之间的潜在关系.节点地位和相似性能够较好地体现边符号属性,为改善预测效果提供了理论基础.通过探究两者与边符号属性之间的强相关性,建立符号预测模型.首先,利用排序算法prestige评估用户节点的社会地位,同时使用余弦相似度表示用户的社交偏好;然后,在逻辑回归学习模型的基础上融合两者建立边符号预测模型LR-SN;最后,在模型训练过程中采用随机梯度上升算法优化求解.三个真实网络数据集的实验结果表明,相比于现有基准方法,LR-SN模型的符号预测准确率显著提高且具有一定的推广性,说明通过融合局部信息与全局信息能够进一步改善预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢志刚	上海海事大学经济管理学院	20	45	4.0	5.0
2	叶美丽	上海海事大学经济管理学院	1	0	0.0	0.0