基于近似特征值轨迹的谱演化用于链接预测
机器学习
2020-06-24 v1 社会与信息网络
谱理论
机器学习
摘要
谱演化模型旨在依据邻接矩阵的特征值分解来刻画大型网络的增长(即随着新边建立它们如何演化)。它假设在特征向量保持恒定的同时,特征值随时间以可预测的方式演化。本文从两方面扩展了该模型的原始表述。首先,提出一种基于瑞利商计算特征值谱演化近似的方法。其次,提出一种仅通过外推其近似值的一部分来估计特征值演化的算法。所提模型用于刻画 2017 年 8 月至 2018 年 8 月(哥伦比亚革命武装力量解除武装的收尾期)期间发布包含哥伦比亚最热门政治标签推文的用户的提及网络。为评估谱演化模型在多大程度上近似这些网络,实现了基于学习算法(即外推与回归)和图核的链接预测方法。实验结果表明,部署于近似轨迹上的学习算法在预测新边形成方面优于常用的核与外推方法。
引用
@article{arxiv.2006.12657,
title = {Spectral Evolution with Approximated Eigenvalue Trajectories for Link Prediction},
author = {Miguel Romero and Jorge Finke and Camilo Rocha and Luis Tobón},
journal= {arXiv preprint arXiv:2006.12657},
year = {2020}
}