异构符号网络中正负社交关系的分类预测研究
Information Science（2016）
摘要
符号社会网络正负关系分类是社会网络分析与挖掘领域的重要研究分支,在朋友关系预测,广告推荐和社团发现等方向具有重要的理论和应用价值.但是现有的分类模型所提取的特征均基于单一的节点属性和同质的链接结构,且依赖于同构网络,具有较大的局限性.针对以上问题,提出了一种新颖的基于异构网络特征的关系分类模型,特征提取主要通过引入隐朴素贝叶斯模型度量相邻异构关系的影响和结合社会化平衡理论形成的三角关系构建基于链接获得,并采用SVM等三类经典的有监督模型进行分类,验证特征的有效性.对2个大规模符号社会网络的实验表明,本文提出的模型在Precision,Recall,F1-Measure等指标均有较优的分类效果,同时也为异构社会网络关系的特征发现提供一种新的思路.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要