文献

J-GLOBAL ID：201502211319036360   整理番号：15A1112588

低ランク及びスパース行列分解によるリンク予測のための複数情報源融合【Powered by NICT】

Multiple Sources Fusion for Link Prediction via Low-Rank and Sparse Matrix Decomposition

著者 (4件)： Liu Ye (School of Information Sci. and Technol., Sun Yat-sen Univ., Guangzhou) ,  Zhu Weiheng (Coll. of Information Sci. Technol., Jinan University(Guangdong), Guangzhou) ,  Pan Yan (School of Software, Sun Yat-sen Univ., Guangzhou) ,  Yin Jian (School of Information Sci. and Technol., Sun Yat-sen Univ., Guangzhou)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 52  号： 2  ページ： 423-436  発行年： 2015年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年,リンク予測は,社会的ネットワークと他の複雑なネットワークにおけるリンクマイニングの一般的な研究分野である。リンク予測の問題においては,通常,ネットワークにおけるリンクの確率を予測する性能を改善するために用いる情報の複数の付加的源が存在する。すべての源の中で,すべての情報源の主要な源は,通常,予測に最も重要な役割を果たす。は,全ての汚染源を完全に利用すると良好なリンク予測結果を得るために主要な源と付加的な源をバランスさせるロバストなアルゴリズムを設計することが重要である。一方,トポロジー的計算に基づく伝統的な教師なしアルゴリズムはリンク予測問題を解くためのスコアを計算するために有用な手法である。リンク予測法のアプローチでは,最も重要なステップは正確な入力シードマトリックスを構築することである。多くの実世界ネットワークデータはノイズが高い可能性がある,それは大部分のリンク予測法の精度を低下させる。本論文では,主要情報種子源マトリックスと他の利点を利用した複数の付加的源を用いた新しい方法を提案した。そして,種子源マトリックスは,他の発生源と組み合わせた低騒音と種子マトリックスよりもより正確な構造とよりよいマトリックスを構築することである。新しいマトリックスは入力行列伝統的な教師なしトポロジーアルゴリズムとして使用されている。実験結果は,新しく提案した方法は,異なる種類の多重源実世界データセットのリンク予測問題の良好な性能を得ることができることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 種子 ,  アルゴリズム ,  予測技法 ,  汚染源 ,  位相幾何学 ,  ネットワーク ,  *スパース行列 ,  教師 ,  *情報源 ,  窒素複素環化合物 ,  芳香族塩素化合物 ,  芳香族縮合化合物
準シソーラス用語： データセット ,  発生源 ,  研究分野 ,  リンクマイニング ,  社会的ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

物質索引 (1件)： クロルジアゼポキシド

タイトルに関連する用語 (6件)： スパース行列 ,  分解 ,  リンク ,  予測 ,  情報源 ,  融合