抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
時間とともに変化するオブジェクトと関係から構成される,進化するネットワークは,多くの実世界領域にみられるよくある変異と近年における重要な研究主題となっている。以前のリンク予測の研究の大部分は,時間によってネットワークの進化を無視し,主にノードとリンクの静的特徴に基づく将来のリンク予測に焦点を当てた。しかし,実世界ネットワークは複雑な動的構造と非線形変化するトポロジー的特徴,ネットワークのノードとリンクが出現あるいは消失することを意味している。ネットワークのこれらの活動性が,リンク予測より挑戦的な課題となっている。これらの困難を克服するために,そのようなネットワークにおけるリンク予測は,トポロジー的特徴の非線形時間発展をモデル化し,ネットワーク構造の発生情報を同時になければならない。本論文では,筆者らは進化するネットワークのためのNARXニューラルネットワークに基づく新しいリンク予測法を提案した。著者らのモデルは,最初のネットワークの異なるスナップショットの中のノードの各ペアのための準局所測度に基づく類似性スコアを計算し,各対の時系列を作成した。NARXネットワークは過去ノード類似性とノード連結性を用いた将来のノード類似性スコアの予測に効果的に適用した。提案した方法は,DBLP共著ネットワークで試験した。時間情報を組み合わせたノード類似性とノードとの接続が大幅にリンク予測性能を改善することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】