基于最大范数约束的1-bit矩阵补全的社交信任预测
社会与信息网络
2015-04-27 v1 机器学习
机器学习
摘要
社交信任预测解决了探索社交网络中用户间交互的重要问题。自然地，该问题可被表述为矩阵补全框架，每个条目指示信任或不信任。然而，社交信任问题存在两个挑战：1) 观测数据带有符号（1-bit）度量；2) 它们通常是非均匀采样的。以往大多数矩阵补全方法不能很好地处理这两个问题。受最大范数(max-norm)近期进展的启发，我们提出用一种1-bit最大范数约束的公式来解决该问题。由于最大范数不易优化，我们利用了最大范数的一种重构形式，其有助于高效的投影梯度下降算法。我们在两个基准数据集上证明了我们公式的优越性。
引用
@article{arxiv.1504.06394,
title = {Social Trust Prediction via Max-norm Constrained 1-bit Matrix Completion},
author = {Jing Wang and Jie Shen and Huan Xu},
journal= {arXiv preprint arXiv:1504.06394},
year = {2015}
}