用于加密货币交易网络时序链接预测的图正则化非负隐因子分析模型
机器学习
2022-08-04 v1 社会与信息网络
摘要
随着区块链技术的发展,基于区块链技术的加密货币日益普及。这催生了庞大的加密货币交易网络并受到广泛关注。链接预测通过学习网络结构有助于理解网络机制,因此在加密货币网络中也被广泛研究。然而,过往研究忽视了加密货币交易网络的动态性。我们利用图正则化方法将过往交易记录与未来交易相关联。在此基础上,我们提出了一种单隐因子依赖、非负、乘法及图正则化嵌入的更新(SLF-NMGRU)算法,并进一步提出图正则化非负隐因子分析(GrNLFA)模型。最后,在真实加密货币交易网络上的实验表明,所提方法同时提升了准确率与计算效率。
引用
@article{arxiv.2208.01923,
title = {Graph Regularized Nonnegative Latent Factor Analysis Model for Temporal Link Prediction in Cryptocurrency Transaction Networks},
author = {Zhou Yue and Liu ZhiGang and Yuan Ye},
journal= {arXiv preprint arXiv:2208.01923},
year = {2022}
}