文献

J-GLOBAL ID：201902284639835592   整理番号：19A2270833

ソーシャルネットワークにおけるノード次数と近傍密着性に基づくリンク予測【JST・京大機械翻訳】

Node Degree and Neighbourhood Tightness based Link Prediction in Social Networks

著者 (3件)： Guo Junchao (School of Computer Science and Telecommunication Engineering, Jiangsu University, ZhenJiang, China) ,  Shi Leilei (School of Computer Science and Telecommunication Engineering, Jiangsu University, ZhenJiang, China) ,  Liu Lu (Department of Informatics, University of Leceister, Leicester, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIST  ページ： 135-140  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： リンク予測は,ソーシャルネットワーク解析における基本的問題の1つである。既知の構造類似性尺度から観察されないリンクの存在を予測する機構である。様々なリンク予測技術が存在し,それは2つのクラスに広く分類できる。最初に,結合予測が教師つきロジスティック回帰,SVM,ランダムフォレストまたは非教師つき学習アルゴリズムの学習問題に変換される機械学習に基づくアプローチをBayesネットワークを展開した。第二に,ノードとネットワーク構造の性質を通して推定されるノード類似性に基づく接続を予測するために,複雑なネットワーク方式を採用する。社会ネットワークには様々な関係があり,多くのグループを形成し,これらの共通の隣人はリンクに大きな影響を持っている。本論文では,一般的な近傍の集約度を考慮することを無視する従来のリンク予測法とは異なり,ノードの局所的情報と近傍の堅固さに基づくCommon Neighbor Tighity(CNT)と呼ばれる改良リンク予測アプローチを提案した。著者らは,全体として一般的な近傍を考慮して,それらを局所的情報によってそれらを重み付けした。より強い関係は,一般的隣接ノードが互いに近いことを意味する。著者らは,実際のデータセットの集合に関する実験を実行して,それらを従来の指標と比較して,ソーシャルネットワークにおけるリンク予測のための著者らの方式の有効性を検証した。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】

シソーラス用語： 機械学習 ,  学習 ,  *ネットワーク ,  教師つき学習 ,  *予測 ,  アルゴリズム ,  ロバスト性 ,  集中化 ,  ネットワーク構造 ,  有効性 ,  類似性
準シソーラス用語： ランダムフォレスト ,  ロジスティック回帰分析 ,  *次数 ,  *社会的ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  計算機網  (JC03000K)

タイトルに関連する用語 (7件)： ソーシャルネットワーク ,  ノード ,  次数 ,  近傍 ,  密着性 ,  リンク ,  予測