多尺度链接预测
社会与信息网络
2012-06-12 v1 物理与社会
摘要
由于社交网络（如LiveJournal、Flickr和Facebook）的激增，社交网络的自动分析已成为一个重要问题。这些社交网络的规模巨大且持续快速增长。社交网络分析中的一个重要问题是邻近性估计，它推断不同用户之间的接近程度。链接预测反过来是邻近性估计的一个重要应用。然而，许多计算邻近性度量的方法具有高计算复杂度，因此对于大规模链接预测问题来说是禁止的。解决这个问题的一种方法是通过低秩近似来估计邻近性度量。然而，单个低秩近似可能不足以表示整个网络的行为。在本文中，我们提出了多尺度链接预测（MSLP），一个可以处理大规模网络的链接预测框架。MSLP的基本思想是以高效的方式构建网络在多个尺度上的低秩近似。基于这种方法，MSLP结合多个尺度的预测以做出稳健和准确的预测。在具有超过一百万个节点的真实数据集上的实验结果表明了我们方法的优越性能和可扩展性。
引用
@article{arxiv.1206.1891,
title = {Multi-Scale Link Prediction},
author = {Donghyuk Shin and Si Si and Inderjit S. Dhillon},
journal= {arXiv preprint arXiv:1206.1891},
year = {2012}
}
备注
20 pages, 10 figures