文献

J-GLOBAL ID：202002270356113730   整理番号：20A0905152

深い異種ソーシャルネットワークアラインメント【JST・京大機械翻訳】

Deep Heterogeneous Social Network Alignment

著者 (5件)： Meng Lin (Florida State University) ,  Ren Yuxiang (Florida State University) ,  Zhang Jiawei (Florida State University) ,  Ye Fanghua (University College London) ,  Yu Philip S. (University of Illinois at Chicago)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CogMI  ページ： 43-52  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： オンラインソーシャルネットワークアラインメント問題は,ソーシャルネットワークを通して共有ユーザを接続するアンカーリンクを推論することを目的としており,それは通常,1対1の基数制約を受けている。いくつかの既存のソーシャルネットワークアラインメントモデルが提案されており,その多くは教師つき学習設定に基づいている。一組のラベル付けアンカーリンクを与えて,これらのモデルを構築するために,アンカーリンクのために,特徴のグループを手動で抽出することができた。一方,そのような方法は,手動特徴抽出が不均一情報を含むソーシャルネットワークに対して非常に高価で面倒であるため,実世界のソーシャルネットワークデータセットへの応用において大きな課題に遭遇する可能性がある。本論文では,深い学習モデル,すなわちDETA(Deep Network Alignment)による不均一なソーシャルネットワークアラインメント問題に取り組むことを提案した。少数の明示的特徴の他に,DETAは不均一情報から潜在的特徴の集合を自動的に学習できる。DETAモデルは,ノード度に関する数学的制約として,1対1の基数制約を結合する。広範な実験を実世界の整列した不均一ソーシャルネットワークデータセットで行い,実験結果により,既存の最先端のベースライン法に対して提案したモデルの有効性を実証した。Copyright 2020 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： *アラインメント ,  学習モデル ,  特徴抽出 ,  教師つき学習 ,  基準線 ,  有効性
準シソーラス用語： 社会的ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)