基于学习的 Facebook100 网络链接预测分析
社会与信息网络
2021-07-28 v2 机器学习
摘要
在社交网络科学中，Facebook 是最有趣且被广泛使用的社交网络与媒体平台之一。其数据推动了社交网络研究和链接预测技术的显著演进，而链接预测是链接挖掘与分析中的重要工具。本文首次对 Facebook100 网络上的链接预测进行了全面分析。我们研究性能并在不同特征集上评估多种机器学习算法。为提取特征，我们使用网络嵌入和基于拓扑的技术，如 node2vec 和相似度度量向量。此外，我们还采用了基于节点的特征，这些特征在 Facebook100 网络中可用，但在其他数据集中很少见。我们讨论了所采用的方法并清晰地呈现了结果。最后，我们比较并回顾了所应用的模型，给出了总体性能和分类率。
引用
@article{arxiv.2008.00308,
title = {Learning-based link prediction analysis for Facebook100 network},
author = {Tim Poštuvan and Semir Salkić and Lovro Šubelj},
journal= {arXiv preprint arXiv:2008.00308},
year = {2021}
}
备注
8 pages, 7 figures, 3 tables