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。
ネットワークアラインメントは,異なる情報ネットワークの間の共有エンティティに適合するアンカーリンクのセットを推論することを目的とし,それは複数の情報ネットワークの効果的融合のための必要条件段階になった。本論文では,特にオンラインソーシャルネットワークを融合するためのネットワークアラインメント問題を研究する。ソーシャルネットワークアラインメントは,いくつかの理由,すなわち,訓練データの欠如,ネットワーク不均一性および1対1制約により,非常に挑戦的である。既存のネットワークアラインメント作業は,通常,多数の訓練データを必要とするが,しかし,そのような要求は,手動アンカーリンクラベリングが非常に高価であるため,アプリケーションにおいてほとんど適合することができない。他の均一ネットワークアラインメント研究とは著しく異なり,オンラインソーシャルネットワークにおける情報は通常不均一カテゴリであり,モデル構築における組込みは容易なタスクではない。さらに,アンカーリンクに関する1対1の基数制約は,それらの推論プロセスを相互に相関させる。これらの3つの課題を解決するために,新しいネットワークアラインメントモデル,すなわちActiveIterを本論文で紹介した。ActiveIterは,アンカーリンク特徴抽出のためのネットワーク間メタ図の集合を定義し,効果的なラベル質問のためのアクティブ学習を採用し,アンカーリンク基数フィルタリングのためのgre欲なリンク選択を使用する。実世界のアラインメントネットワークデータセットについて広範な実験を行い,実験結果により,他の最新のベースライン法と比較して,ActiveIterの有効性を実証した。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】