利用迁移学习理解社交网络
社会与信息网络
2019-10-18 v1 机器学习
机器学习
摘要
对用户的细致理解有助于理解万维网的演进以及万维网应用的发展。尽管对于新兴万维网平台而言此类研究尤为重要，但由于数据稀疏导致对新现象缺乏认知，研究常常受阻。类似于人类将经验从一个领域迁移至另一领域，作为机器学习一个子领域的迁移学习将在一个领域中获得的知识适配到新领域。我们系统性地探究迁移学习的概念如何应用于对新建（新兴）万维网平台上用户的研究，并提出了基于迁移学习的方法 TraNet。我们展示了两个应用案例，其中 TraNet 被用于涉及在不同万维网平台上识别用户信任与角色的任务。我们将 TraNet 与其他方法的性能进行比较，发现我们的方法在给定任务中能最好地跨平台迁移关于用户的知识。
引用
@article{arxiv.1910.07918,
title = {Understanding Social Networks using Transfer Learning},
author = {Jun Sun and Steffen Staab and Jérôme Kunegis},
journal= {arXiv preprint arXiv:1910.07918},
year = {2019}
}
备注
11 pages, 4 figures, IEEE Computer. arXiv admin note: text overlap with arXiv:1611.02941