文献

J-GLOBAL ID：202202217751594643   整理番号：22A0773008

ソーシャルネットワークにおけるアンカーリンク同定のための三層注意機構に基づくネットワーク埋込みアプローチ【JST・京大機械翻訳】

Triple-layer attention mechanism-based network embedding approach for anchor link identification across social networks

著者 (4件)： Li Yao (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Cui Huiyuan (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Liu Huilin (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Li Xiaoou (Department of Computer Science, CINVESTAV-IPN, Mexico City, Mexico)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 4  ページ： 2811-2829  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： アンカーリンク同定は,異なるソーシャルネットワークにおけるどのペアが同一ユーザに属するかを決定するタスクである。ネットワークにわたる情報普及のような多くの応用の基礎として,アンカーリンク同定は近年多くの注目を集めている。いくつかの方法は,非加重エッジのために多様な近傍の寄与を無視するように,説明の構造的近接性を保存するための潜在共通空間を学習した。スパースネットワークでは,近隣の重複は稀であり,構造類似性は小さく,これらの方法の性能劣化をもたらす。本論文では,アンカーリンクを同定するためにネットワーク構造を利用する三重層注意機構ベースネットワーク埋込み(TANE)法を提案した。TANEには2つの学習モジュールがある:観測アンカーリンクの監督の下で,ネットワーク内とネットワーク間隣接の貢献重みを学習する注意学習モジュール,および隣接と二次近傍(すなわち近隣の隣人)の加重構造近接性を保存することによって潜在共通空間を学習する埋込み学習モジュール。二次近傍を利用して,より多くの構造情報を埋込み処理に導入して,それはスパース性を減少させた。重みと埋込みをモジュール間で転送して,Adamアルゴリズムによって一様に学習した。2つの実世界データセットの広範な実験結果は,TANEがいくつかの最先端の方法と比較して,アンカリンク同定のトップ-kヒット比率を改良できることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  学習 ,  *ネットワーク ,  情報流通 ,  ネットワーク構造 ,  類似性 ,  埋込み【挿入】
準シソーラス用語： 性能劣化 ,  スパース性 ,  *社会的ネットワーク ,  近接性 , 【Automatic Indexing@JST】

著者キーワード (4件)： アンカーリンク同定 ,  注意機構 ,  ネットワーク埋込み ,  クロスソーシャルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ソーシャルネットワーク ,  アンカー ,  リンク ,  同定 ,  注意 ,  埋込み