NPGLM: 一种用于时序链接预测的非参数方法
机器学习
2017-06-22 v1 人工智能
社会与信息网络
摘要
在本文中，我们试图解决信息网络中的时序链接预测问题。这意味着，给定在当前网络快照中提取的链接特征，预测该链接在未来出现所需的时间。为此，我们引入了一种概率非参数方法，称为“非参数广义线性模型” (NP-GLM)，该方法在给定链接特征的情况下推断链接出现时间的隐藏潜在概率分布。然后，我们提出了 NP-GLM 的学习算法和一种用于回答时间相关查询的推理方法。在合成数据和真实的新浪微博社交网络上进行的大量实验表明，与竞争性基线方法相比，NP-GLM 在解决时序链接预测问题方面是有效的。
引用
@article{arxiv.1706.06783,
title = {NPGLM: A Non-Parametric Method for Temporal Link Prediction},
author = {Sina Sajadmanesh and Jiawei Zhang and Hamid R. Rabiee},
journal= {arXiv preprint arXiv:1706.06783},
year = {2017}
}
备注
7 pages, 5 figures, 3 tables