面向锚用户预测的深度学习主动学习
机器学习
2019-11-11 v3 社会与信息网络
摘要
预测锚用户对在跨网络分析中起着重要作用。由于为训练预测模型标注锚用户的代价高昂，本文考虑最小化跨多个网络需标注的用户对数量，以提升预测准确率。为此，我们提出一种面向锚用户预测的深度学习主动学习模型（简称 DALAUP）。然而，用于锚用户采样的主动学习面临由网络结构以及锚用户或非锚用户对之间的相关性所引起的非独立同分布（non-i.i.d.）用户对数据的挑战。为应对这些挑战，DALAUP 使用一对共享参数的神经网络来获取用户对的向量表示，并集成三种查询策略以选择信息量最大的用户对用于标注和模型训练。在真实社交网络数据上的实验表明，DALAUP 优于当前最先进的方法。
引用
@article{arxiv.1906.07318,
title = {Deep Active Learning for Anchor User Prediction},
author = {Anfeng Cheng and Chuan Zhou and Hong Yang and Jia Wu and Lei Li and Jianlong Tan and Li Guo},
journal= {arXiv preprint arXiv:1906.07318},
year = {2019}
}
备注
7 pages