文献

J-GLOBAL ID：202002232159099028   整理番号：20A1444390

頂点の時間的挙動解析によるリンク予測【JST・京大機械翻訳】

Link Prediction by Analyzing Temporal Behavior of Vertices

著者 (3件)： Selvarajah Kalyani (School of Computer Science, University of Windsor, Windsor, ON, Canada) ,  Kobti Ziad (School of Computer Science, University of Windsor, Windsor, ON, Canada) ,  Kargar Mehdi (Ted Rogers School of Management, Ryerson University, Toronto, ON, Canada)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12139  ページ： 257-271  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 複雑性と動力学は,実世界ソーシャルネットワークの挑戦的な特性である。動的ソーシャルネットワークにおけるリンク予測はソーシャルネットワーク解析における必須問題である。リンク予測の性能を高めるためには,異なる方法が提案されてきたが,これらの方法は精度の大幅な改善を必要とする。本研究では,潜在的将来相互作用を予測するソーシャルネットワークの時間挙動に焦点を当てた。与えられたネットワーク[数式:原文を参照]の頂点の進化パターンを経時的に調べた。時変スコア関数を導入し,新しい相互作用の数および既存の接続との頻繁な相互作用の数を用いる頂点の活性を評価した。相互作用のタイムスタンプの影響を考慮するために,スコア関数は,電流時間の時間差と相互作用時間の時間差を被った。多くの既存の研究は,与えられたネットワーク[数式:原文を参照]におけるリンクの重さを無視して,それはリンクの時変詳細をもたらした。このモデルでは2つの追加目的関数:任意の2ノードと加重共通隣接指数間の加重最短距離を考察した。将来におけるリンク形成を予測し,二値分類問題として著者らのモデルを定義するために,分類器として深層学習アーキテクチャであるMulti-Layer Perceptron(MLP)を用いた。著者らのモデルを評価するために,著者らは6つの実世界動的ネットワークで訓練して,試験して,古典的方法と同様に最先端の方法と比較した。結果は,著者らの提案方法が最先端の方法の大部分より優れていることを確認した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  電流 ,  *ネットワーク ,  目的関数 ,  計算機アーキテクチャ
準シソーラス用語： 挙動解析 ,  複雑性 ,  社会的ネットワーク ,  タイムスタンプ ,  動的ネットワーク ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： リンク予測 ,  多層パーセプトロン ,  動的ネットワーク ,  社会ネットワーク分析

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 頂点 ,  挙動解析 ,  リンク ,  予測