跨对齐异构社交网络的新用户社交链接预测

在线社交网络近年来取得了巨大成功，其中许多网络涉及多种类型的节点和复杂的关系。在这些关系中，用户间的社交链接至关重要。现有的许多链接预测方法侧重于基于社交网络的快照，预测所有用户未来可能出现的社交链接。在现实世界的社交网络中，每天都有大量新用户加入服务，因此针对新用户的链接预测更为重要。与传统的链接预测问题不同，新用户的链接预测更具挑战性，原因如下：(1) 新用户与现有活跃用户（即老用户）之间的信息分布存在差异；(2) 网络中缺乏新用户的信息。我们提出了一种名为 SCAN-PS（Supervised Cross Aligned Networks link prediction with Personalized Sampling，基于个性化采样的监督跨对齐网络链接预测）的链接预测方法，旨在解决新用户的链接预测问题。该方法通过已对齐的账户，将从目标网络中的现有活跃用户以及其他源网络中转移的信息加以利用。我们提出了一种目标网络内的个性化采样方法，用于处理现有活跃用户的信息，以便在进行网络内知识迁移之前适应信息分布的差异。SCAN-PS 还能利用其他源网络中的信息，这些源网络中的用户账户与目标网络已对齐。通过这种方式，当目标网络中完全缺乏这些新用户的信息时，SCAN-PS 能够解决冷启动问题。