-
题名基于层次化混合特征图的链路预测方法
被引量：6
- 1
-
-
作者
李冬
申德荣
寇月
林梦儿
聂铁铮
于戈
-
机构
东北大学计算机科学与工程学院
东软集团股份有限公司
-
出处
《中国科学：信息科学》
CSCD
北大核心
2020年第2期221-238,共18页
-
基金
国家重点研发计划课题(批准号:2018YFB1003404)
国家自然科学基金(批准号:61472070,U1435216,61672142)
中国国家留学基金委(批准号:201806085016)资助项目
-
文摘
现实世界中的实体连同关联关系构成了一种网络关系结构即异构信息网络.利用链路预测技术可以预测出异构信息网络中存在但未被观察到,或者未来可能会出现的链路,更好地帮助用户理解网络的结构生成和演化规律.然而,目前链路预测技术缺乏对多种特征的有效融合而影响预测准确性,且难以适应异构信息网络的异构性和动态性.本文提出了一种层次化混合特征图模型(hierarchical hybrid feature graph, HHFG),充分考虑了异构信息网络的拓扑特征、语义特征和时序特征.提出了一种基于HHFG的链路预测算法,基于混合特征在HHFG上做随机游走,并采用梯度下降法学习特征权重,转移系数等参数,有效地保证了链路预测的准确性.通过实验验证了本文所提出的关键技术的可行性和有效性.
-
关键词
链路预测
层次化混合特征图
异构信息网络
随机游走
参数学习
-
Keywords
link-prediction
hierarchical hybrid-feature graph
heterogeneous information networks
random walk
parameters learning
-
分类号
O157.5
[理学—数学]
TP18
[理学—基础数学]
-
