文献

J-GLOBAL ID：202102273957048393   整理番号：21A3313303

深い非負行列因数分解によるリンク予測【JST・京大機械翻訳】

Link prediction by deep non-negative matrix factorization

著者 (5件)： Chen Guangfu (College of Mathematics and Computer, Wuyi University, Wuyishan 354399, China) ,  Chen Guangfu (College of Electronic and Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Wang Haibo (College of Electronic and Information Engineering, Hunan University of Science and Engineering, Yongzhou 425199, China) ,  Fang Yili (College of Computer and Information Engineering, Zhejiang Gongshang University, Hangzhou 310018, China) ,  Jiang Ling (College of Mathematics and Computer, Wuyi University, Wuyishan 354399, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： リンク予測は,既知のネットワーク構造情報によって,将来のネットワークにおいて,欠測リンクを予測または偽リンクと新しいリンクを除去することを目的とする。ほとんどの既存のリンク予測方法は浅いモデルであり,ネットワークノイズを考慮しない。これらの問題に取り組むために,本論文では,リンク予測タスクを実行するために,トポロジーとスパース性制約を巧妙に融合する,深い非負行列因数分解に基づく新しいリンク予測モデルを提案した。特に,本モデルは,深い非負行列因数分解によって,各隠れ層に対して観察されたリンク情報を完全に利用する。次に,共通近傍法を用いて,類似性スコアを計算し,それを多層低次元潜在空間に写像し,各隠れ層のトポロジー情報を得た。同時に,ランダム雑音を除去するために,各隠れ層でl2,1-ノルム制約因子行列を採用した。さらに,収束保証によりこのモデルのパラメータを学習するための乗法的更新ルールを提供した。8つの実世界データセットに関する広範な実験結果は,著者らの提案モデルが最先端の方法より著しく優れていることを実証した。Copyright 2021 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： 予測技法 ,  位相幾何学 ,  雑音 ,  *ネットワーク ,  乗算 ,  ネットワーク構造 ,  不規則雑音 ,  類似性 ,  多層 ,  ノルム ,  予測モデル
準シソーラス用語： スパース性 ,  隠れ層 ,  低次元 ,  *非負行列因子分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： リンク予測 ,  深い非負行列因数分解 ,  構造情報 ,  スパース性制約

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 非負行列因数分解 ,  リンク ,  予測