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。
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】