基于低秩和稀疏矩阵分解的多源融合链接预测算法

作     者：刘冶 朱蔚恒 潘炎 印鉴 Liu Ye;Zhu Weiheng;Pan Yan;Yin Jian

作者机构：中山大学信息科学与技术学院广州510006 暨南大学信息科学技术学院广州510632 中山大学软件学院广州510006 

基　　金：国家自然科学基金项目(61033010 61272065 61370021 61472453 U1401256) 广东省自然科学基金项目(S2011020001182 S2012010009311) 广东省科技计划项目(2011B040200007 2012A010701013) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2015年第52卷第2期

页      码：423-436页

摘      要：近年来,链接预测成为社会网络和其他复杂网络链接挖掘中的热门研究领域.在链接预测问题中,经常会存在用来提高预测效果的附加数据信息源,这些数据可以用于预测网络中的链接是否存在.在所有的数据源中,最主要的数据源在链接预测中起到最重要的作用.因此,设计具备健壮性的算法用于充分利用所有数据源的信息来进行链接预测十分重要,算法还需要平衡主数据源和附加数据源的关系,使得链接预测能够获得更好的效果.同时,传统基于拓扑结构计算的无监督算法大多数通过计算网络中节点间的评分值来解决预测链接存在可能性的问题,这些方法能够获得有效的结果.在链接预测方法中,最关键的一步是构建准确的输入矩阵数据.由于许多真实世界数据集存在噪声,这导致降低了大多数链接预测模型的效果.提出了一种新的链接预测方法,通过多个数据源的融合,兼顾地利用了主数据源的信息和其他附加数据源的信息.接着,主数据源和其他附加数据源被用于构建一个低噪声且更准确的矩阵,而新的矩阵被用于作为传统无监督拓扑链接预测算法的输入.根据在多个真实世界数据上的测试结果,在多源数据集上进行对比实验,提出的基于低秩和稀疏矩阵分解的多源融合链接预测算法相对于基准算法能够获得更好的效果.

主 题 词：低秩约束 矩阵分解 多源融合 链接预测 机器学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.2015.20140221

馆 藏 号：203120286...