GCN-ALP:解决锚链接预测中的匹配冲突
社会与信息网络
2021-03-22 v1 人工智能
摘要
如今,在线用户倾向于加入多个社交媒体以获取社交化在线服务。锚链接预测问题被形式化为基于跨社交网络的用户档案、内容与网络结构的共同点来关联用户数据。大多数传统工作集中于利用观测用户数据上的显式或隐式特征来学习匹配函数。然而,观测用户数据的低质量混淆了对锚链接的判断,导致实践中出现匹配冲突问题。在本文中,我们探索局部结构一致性,进而构造一个匹配图以规避匹配冲突。此外,我们提出了带有小批量策略的图卷积网络,高效地在匹配图上解决锚链接预测问题。在三个真实应用场景上的实验结果表明,我们所提方法在预测精度与效率方面均具有巨大潜力。此外,学习到的嵌入的可视化为我们提供了一种定性理解匹配图上锚链接推断的途径。
引用
@article{arxiv.2103.10600,
title = {GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction},
author = {Hao Gao and Yongqing Wang and Shanshan Lyu and Huawei Shen and Xueqi Cheng},
journal= {arXiv preprint arXiv:2103.10600},
year = {2021}
}
备注
8 pages, 5figures, ICKG 2020