| عنوان فارسی مقاله: |
پیش بینی پیوندهای متمایز با استفاده سیگنال های جهانی، اجتماعی و محلی |
| عنوان انگلیسی مقاله: |
Discriminative Link Prediction using Local, Community and Global Signals |
چکیده
پیش بینی پیوندهای توجیه پذیر که ممکن است بین جفت گره ها پدیدار گردد، کار مهمی در تحلیل شبکه اجتماعی در طی یک دهه تحقیقات فعال محسوب می گردد. در اینجا چارچوب جدیدی برای پیش بینی پیوند مطرح می کنیم. این چارچوب سیگنال های برگرفته از ویژگی های گره، همسایگی پیوند محلی موجود جفت گره، تراکم پیوند جامعه محور و ویژگی های گراف جهانی را ادغام می سازد. چارچوب ما از الگوی یادگیری دو سطحی توده ای استفاده می کند. در سطح پایین تر، دو نوع نخست ویژگی ها با فراگیر محلی تازه پردازش می شوند. سپس خروجی ها با دو نوع آخر ویژگی ها بر حسب نوآموز متمایز سنتی در سطح بالاتر ادغام می شوند. ما همچنین طرح نمونه طیفی جدید برای ارزیابی الگوریتم های پیش بینی پیوند ضمن مزایای زیاد بالقوه استفاده می کنیم . این طرح مختص به کارگیری خاص پیش بینی پیوند نیست، بلکه در دامنه ای از شرایط کاربرد پایدار است. ما آزمایشات گسترده با هفت مجموعه داده معیار و پنج سیستم خط مبنا رقابتی گزارش می کنیم. سیستمی که ما به طور دائم مطرح می کنیم حداقل 10% بهبود دقت در حالت ظریف را نشان می دهد و بیش از 30% بهبود در برخی موارد را خاطر نشان می کند. ما همچنین نشان می دهیم که ویژگی های ما به لحاظ سیگنال ها و مزایای دقت تکمیلی اند.
