文献

J-GLOBAL ID：202002245675349688   整理番号：20A0883754

ノードランキングに基づく時間発展ネットワークのリンク予測【JST・京大機械翻訳】

Link prediction of time-evolving network based on node ranking

著者 (6件)： Wu Xiaomin (The Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, School of Artificial Intelligence, Xidian University, Xi’an 710071, China) ,  Wu Xiaomin (The 20th Research Institute of China Electronics Technology Group Corporation - Xidian University Joint Laboratory of Artificial Intelligence, Xi’an 710068, China) ,  Wu Jianshe (The Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, School of Artificial Intelligence, Xidian University, Xi’an 710071, China) ,  Wu Jianshe (The 20th Research Institute of China Electronics Technology Group Corporation - Xidian University Joint Laboratory of Artificial Intelligence, Xi’an 710068, China) ,  Li Yafeng (The 20th Research Institute of China Electronics Technology Group Corporation - Xidian University Joint Laboratory of Artificial Intelligence, Xi’an 710068, China) ,  Zhang Qian (The 20th Research Institute of China Electronics Technology Group Corporation - Xidian University Joint Laboratory of Artificial Intelligence, Xi’an 710068, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 195  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くの実世界ネットワークは,時間とともに進化する種類に属する。したがって,リンクが将来の時間のネットワークで起こるかどうかを予測することは非常に意味があり,挑戦的である。本論文において,時間発展スケールフリー(SF)ネットワークと現実世界動的ネットワークの両方を最初に考慮して,次に,2種類の方法をそれぞれリンク予測のために提案した。多くの既存の類似性ベースの動的ネットワークリンク予測法とは異なり,それらの多くは共通の近傍(CN),Adamic-Adar(AA)などのノード対類似性を採用し,新しい視点からノード間の類似性を測定する。ノードランキングに関する更なる研究により,PageRank(PR),累積Nomination(CuN)などのいくつかの固有ベクトルベースの方法は,すべてのノードに対するMarkov連鎖の定常分布と見なすことができるノード重要性の値を計算することができる。したがって,統計的観点から,ノードの重要性は,それと接続するために他のノードを引き付ける確率のようであり,ノード対の微分値は互いに引き付ける確率のようである。これらのノードに基づくアプローチはリンク予測の分野において非常に新しく,それらに十分な注意が払われていない。さらに,適応的時系列予測法を本論文において提案して,それは適応的に各々のノード対の間の将来類似性を予測するために歴史的類似性シリーズを使用した。実験結果により,提案したアルゴリズムは,成長するSFネットワークだけでなく,実世界の動的ネットワークに対しても将来のリンクを予測できることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  *ネットワーク ,  *時間発展 ,  導関数 ,  Markov連鎖 ,  アルゴリズム ,  等級づけ ,  固有ベクトル ,  予測技法
準シソーラス用語： 時系列予測 ,  動的ネットワーク ,  スケールフリー , 【Automatic Indexing@JST】

著者キーワード (5件)： 動的ネットワーク ,  時間発展SFネットワーク ,  ノードランキング ,  リンク予測 ,  時系列予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ノード ,  ランキング ,  発展 ,  リンク ,  予測