Neural Link Prediction Over Aligned Networks
Summary
这篇文章是如何利用对齐的两个网络增强一个网络中的链路预测性能。对于特征分别利用深度网络进行提取,最后一起用来进行链路预测。
链路预测问题,不是社交网络对齐问题。
more >>这篇文章是如何利用对齐的两个网络增强一个网络中的链路预测性能。对于特征分别利用深度网络进行提取,最后一起用来进行链路预测。
链路预测问题,不是社交网络对齐问题。
more >>纯粹通过朋友关系用无监督方法识别不同社交网络中的匿名的相同用户
提出了一种无监督的用户身份识别算法 —— Friend Relationship-based User Identification without Prior Knowledge(FRUI-P)。从网络结构中提取每个用户的多个维度的特征, 然后从多维特征中评价任意两个不同SNs用户的相似性。
提出一个 Friend Feature Vector Machine(FFVM)来进行网络的随机游走。
more >>Zafarani R , Liu H . Connecting users across social media sites: a behavioral-modeling approach.[C]// Acm Sigkdd International Conference on Knowledge Discovery & Data Mining. ACM, 2013.
这篇文章真得是绝了,信息量少,通过各种角度各种层面构建特征的方式可谓无所不用其极。但也值得学习。
而且必须拿到很多个社交网站的用户名数据,先验用户名数据集才比较好。
2013年发表在KDD上的文章,由此可见计算机发展得迅速。
more >>从矩阵对齐和网络表示学习的角度总结了state-of-the-art的7种方法,并建立了一个统一的基准平台。同时他们还研究了不同网络因素对于这些方法的影响。
这篇文章对于7种方法的介绍非常详细(数学真得好难),可以参考。
但是数据集对于该问题是主要的影响因素,但是公开数据集特别少。
more >>tag:
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia-plus根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent: meta: false pages: false posts: title: true date: true path: true text: false raw: false content: false slug: false updated: false comments: false link: false permalink: false excerpt: false categories: false tags: true