利用网络结构预测节点属性

在诸多图（如社交网络）中，节点具有代表其行为的关联属性。在此类图中预测节点属性是一个重要问题，在推荐系统、隐私保护和定向广告等诸多领域有应用。属性值可通过分析属性间的模式与相关关系并采用分类/回归算法来预测。然而，这些方法未利用现成的网络拓扑信息。在这方面，可借助节点不同属性间的相互关联来提升预测精度。本文中，我们提出一种方法，利用邻居的所有属性，针对属性 $a_i$ 将节点表示为一幅特征图（用作机器学习算法的输入），以预测 $a_i$ 的属性值。我们在十个真实数据集上进行了充分实验，表明相较于这些数据集上的基线方法，所提特征图显著提升了预测精度。