文献

J-GLOBAL ID：201702281755330931   整理番号：17A0158301

大規模ネットワークにおけるノード構造特徴マップに基づくリンク予測手法【JST・京大機械翻訳】

A Link Prediction Method for Large-Scale Networks

著者 (5件)： Li Zhiyu (School of Information,Renmin University of China) ,  Liang Xun (School of Information,Renmin University of China) ,  Zhou Xiaoping (School of Information,Renmin University of China) ,  Zhang Haiyan (School of Information,Renmin University of China) ,  Ma Yuefeng (School of Information,Renmin University of China)
資料名： Jisuanji Xuebao  (Jisuanji Xuebao)
巻： 39  号： 10  ページ： 1947-1964  発行年： 2016年 
JST資料番号： C2531A  ISSN： 0254-4164  CODEN： JIXUDT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ネットワークリンク予測は,ネットワークにおけるリンクの重要な情報を得ることができ,ネットワークの動的発展を分析することができる。ノード類似性に基づく既存のネットワークリンク予測法は,簡単な一次(マルチ)近傍情報または特定のタイプの小型ネットワークに対して,複雑な計算方法を設計し,その拡張性と大規模ネットワークにおける可能は厳しい挑戦を受けている。本論文では,ニューラルネットワークの言語モデルにおける深さ学習の応用に基づいて,LSNET22(LARGE-SCALE NETWORK TO VECTOR)モデルを提案した。ランダムな遊走を伴うネットワークデータの集序列化法を用いて、大規模な教師なし機械学習を行い、ネットワーク中のノードの構造特徴情報を連続、固定次元の実数ベクトルに写像する。次に,学習したノード構造の特徴ベクトルを用いて,大規模ネットワークにおける任意のノード間の類似性を迅速に計算することができ,これによりネットワークにおけるリンク予測を行うことができる。16の大規模な実データ集合と現在の複数のベンチマークの最適予測アルゴリズムを比較することによって,LSNET2VECモデルによって予測された全体の効果が最も良いことを示した。大規模ネットワークにおけるリンク予測の実行可能性を保証すると同時に、多くのデータセットにおいて相対的に既存の方法に比べ、AUC値が高くなり、最大値は8.9%に達した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *構造特性 ,  *ネットワーク ,  ベンチマーク ,  実数 ,  類似性 ,  ベクトル ,  ニューラルネットワーク ,  機械学習 ,  *予測技法 ,  言語モデル
準シソーラス用語： 予測アルゴリズム ,  特徴ベクトル ,  SCALE ,  *特徴マップ ,  *大規模ネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： link prediction ,  large-scale networks ,  node feature vector ,  distributed representation ,  neural network ,  machine learning

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 大規模ネットワーク ,  ノード ,  構造特徴 ,  マップ ,  リンク ,  予測手法