文献

J-GLOBAL ID：202002285336149671   整理番号：20A1867882

動的属性ネットワーク上のストリーミングリンク予測【JST・京大機械翻訳】

Streaming Link Prediction on Dynamic Attributed Networks

著者 (4件)： Li Jundong (Arizona State University, Tempe, AZ, USA) ,  Cheng Kewei (Arizona State University, Tempe, AZ, USA) ,  Wu Liang (Arizona State University, Tempe, AZ, USA) ,  Liu Huan (Arizona State University, Tempe, AZ, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’18  ページ： 369-377  発行年： 2018年 
JST資料番号： D0698C  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： リンク予測目標は主に現在のネットワークスナップショットに基づく将来のノード相互作用を予測する。それは,基礎となるネットワークの形成と進化を理解する上で重要なステップである。そして,友好推薦,クリックから目標広告への予測を通して,多くの実世界アプリケーションにおいて実際的含意がある。ほとんどの既存の努力はプレーンネットワークに専念され,リンク予測が行われる前にメモリにおけるネットワーク構造のアベイラビリティを仮定する。しかしながら,この仮定は,多くの実世界ネットワークが豊富なノード属性と関係があり,しばしば,ネットワーク構造とノード属性が,両方とも前例のない速度で動的に進化するので,不可能であった。最近の研究では,ノード属性は正確なリンク予測のためにネットワーク構造に付加価値を持つが,そのような動的属性ネットワーク上のオンラインファッションにおけるリンク予測をサポートするために,未だに,まだ,困難なタスクのままである。動的属性ネットワークの変化は,しばしば過渡であり,エンドレスであり,リンク予測アルゴリズムは,限られたメモリオーバヘッドを持つデータの1パスだけを作ることにより,効率的である必要がある。これらの課題に取り組むために,著者らは動的属性ネットワークに関するストリーミングリンク予測の新規問題を研究して,新規フレームワーク-SLIDEを提示した。方法論的に,SLIDEは,すべての観測データを要約するために,低ランクスケッチングマトリックスを維持し,更新し,さらに,スケッチングマトリックスを利用して,フライ上の欠落リンクを推論する。全体の手順を理論的に保証し,実世界動的属性ネットワークに関する経験的実験により,提案したフレームワークの有効性と効率を検証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  相互作用 ,  広告 ,  *ネットワーク ,  ファッション ,  付加価値 ,  アベイラビリティ ,  応用プログラム ,  ネットワークアーキテクチャ ,  含意
準シソーラス用語： オーバヘッド ,  スナップショット ,  予測アルゴリズム ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： データストリーム ,  動的属性ネットワーク ,  リンク予測 ,  行列スケッチ

分類 (2件)： 人工知能  (JE08000Z) ,  ネットワーク法  (KA03040X)

タイトルに関連する用語 (4件)： 属性 ,  ストリーミング ,  リンク ,  予測