基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前大部分链路预测的相关研究均集中在无符号/无权重的社交网络,对于WSSN中的链路预测问题,特别是边权重预测问题的研究较少.提出一种高效的权重符号社交网络嵌入(Weighted Signed Network Embedding,WSNE)算法,对每一条有向边,学习其两个端点的嵌入表示,同时考虑边符号约束来提高权重预测的性能.在三个真实WSSN数据集上与其他相关算法进行比较,实验结果表明,该算法可以有效地预测边权重,并且优于相关算法.
推荐文章
基于网络节点文本增强的链路预测算法
链路预测
网络表示学习
余弦相似性
相似度矩阵
AUC
基于网络嵌入和关联相似性的链路预测算法
链路预测
复杂网络
相似性
网络嵌入
关联
基于三元闭包的节点相似性链路预测算法
复杂网络
链路预测
三元闭包
节点权重
基于矩阵分解的DeepWalk链路预测算法
链路预测
神经网络
DeepWalk
网络表示学习
矩阵分解
相似度矩阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于节点嵌入的权重符号社交网络高效链路预测算法
来源期刊 计算机应用与软件 学科 工学
关键词 权重符号社交网络 网络嵌入 权重预测
年,卷(期) 2020,(9) 所属期刊栏目 算法
研究方向 页码范围 246-252,314
页数 8页 分类号 TP3
字数 7546字 语种 中文
DOI 10.3969/j.issn.1000-386x.2020.09.039
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨威 复旦大学计算机科学技术学院 5 7 2.0 2.0
2 王轶彤 复旦大学计算机科学技术学院 9 291 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1956(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
权重符号社交网络
网络嵌入
权重预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导