LP-UIT：一种用于社交网络链接预测的多模态框架
社会与信息网络
2022-01-26 v1
摘要
随着在线社交网站（SNSs）上信息的快速爆炸，用户难以高效地寻找新朋友或拓展其社交网络。链接预测能够有效克服这一问题，因此引起了广泛关注。以往的链接预测方法未能全面捕捉导致新链接形成的因素：1）很少有模型考虑用户短期和长期兴趣对链接预测的不同影响，此外，它们未能联合建模来自社交影响与“弱链接”的影响；2）考虑到不同因素应源自不同模态的信息源，目前缺乏有效的多模态链接预测框架。鉴于此，我们提出了一种新颖的链接预测多模态框架（称为LP-UIT），其融合了从多模态信息（即文本信息、图信息和数值信息）中提取的一组综合特征（即用户信息和拓扑特征）。具体而言，我们采用图卷积网络处理网络信息以捕捉拓扑特征，运用自然语言处理技术（即TF-IDF和word2Vec）建模用户的短期和长期兴趣，并从数值特征中识别社交影响与“弱链接”。我们进一步使用注意力机制建模文本特征与拓扑特征之间的关系。最后，设计了一个多层感知机（MLP）来组合来自三种模态的表示以进行链接预测。在两个真实世界数据集上的大量实验证明了LP-UIT相对于最先进方法的优越性。
引用
@article{arxiv.2201.10108,
title = {LP-UIT: A Multimodal Framework for Link Prediction in Social Networks},
author = {Huizi Wu and Shiyi Wang and Hui Fang},
journal= {arXiv preprint arXiv:2201.10108},
year = {2022}
}
备注
8 pages, 3 figures, Accepted at IEEE TrustCom2021