合作网络中的链接预测：一种统一方法
应用统计
2024-11-05 v1 机器学习
摘要
本文研究并比较了合作网络中链接预测的三种方法：指数随机图模型（ERGM；Robins 等，2007）、图卷积网络（GCN；Kipf 和 Welling，2017）以及 Word2Vec+MLP 模型（Word2Vec 模型与多层神经网络相结合；Mikolov 等，2013a；Goodfellow 等，2016）。ERGM 基于统计方法，用于捕捉网络中的整体结构模式，而 GCN 和 Word2Vec+MLP 模型则利用深度学习技术学习节点自适应的结构表示。通过使用交叉验证和基于受试者工作特征曲线的指标进行广泛的模拟实验，评估了这些模型的预测性能。结果清楚地表明，机器学习方法在链接预测中具有优越性，尤其是在大型网络中，而 ERGM 等传统模型在可扩展性和捕捉固有复杂性方面存在局限性。这些发现凸显了将统计建模技术与深度学习方法相结合以分析复杂网络的潜在益处，为该领域的未来研究提供了更稳健和有效的框架。
关键词
引用
@article{arxiv.2411.01066,
title = {An unified approach to link prediction in collaboration networks},
author = {Juan Sosa and Diego Martínez and Nicolás Guerrero},
journal= {arXiv preprint arXiv:2411.01066},
year = {2024}
}
备注
17 pages, 5 figures, 1 table