文献

J-GLOBAL ID：201902216885821786   整理番号：19A0517638

複数ソーシャルネットワークにおけるユーザ距離測度のためのブースティングと組み合わせた計量学習【JST・京大機械翻訳】

Metric Learning Combining With Boosting for User Distance Measure in Multiple Social Networks

著者 (3件)： Liu Yufei (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Pi Dechang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Cui Lin (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 19342-19351  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 複数のソーシャルネットワークからユーザ距離をモデル化する方法は重要な課題である。人々は,相補的サービスを提供することができる複数のソーシャルネットワークにおいてしばしば同時に現れる。したがって,異なるソーシャルネットワークからの知識は,データ希薄性問題を克服するのを助けることができる。しかし,それらが異なるソーシャルネットワークからのために,知識は直接得ることができない。この問題を解決するために,距離メトリック学習とブースティング技術を結合することにより,複数のソーシャルネットワークにおけるユーザ距離を学習するための適応モデルを構築した。著者らのモデルの基本的アイデアは,社会ネットワークのトポロジーを保持しながら,関連する社会ネットワークを潜在的特徴空間に埋め込むことである。このモデルに対する解を得るために,凸最適化問題として定式化した。さらに,時間複雑性がリンクの数と線形である適応ユーザ距離測度アルゴリズムを提案した。リンク予測問題に関する著者らのモデルの実現可能性と有効性を検証した。2つの実際の大規模データセットに関する実験は,著者らの方法が比較方法より優れていることを実証した。著者らの知る限りでは,ブースティングによるメトリック学習の共同学習を,複数のソーシャルネットワークにおいて最初に研究した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  定式化 ,  予測 ,  位相幾何学 ,  線形性 ,  モデリング ,  アルゴリズム ,  *学習
準シソーラス用語： メトリック学習 ,  複雑性 ,  凸最適化問題 ,  特徴空間 ,  *ブースティング ,  *距離測度 ,  *社会的ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： ソーシャルネットワーク ,  距離測度 ,  ブースティング ,  計量 ,  学習