加权有向网络变体的权重预测
社会与信息网络
2020-10-01 v1 机器学习
机器学习
摘要
加权有向网络（WDN）是一种有向图，其中每条边关联一个称为权重的唯一值。这些网络非常适于建模现实世界社交网络，其中存在一个顶点对其他顶点的评价。本文研究的主要问题之一是此类网络中的边权重预测。我们首次引入一种度量几何方法来研究 WDN 中的边权重预测。我们修改了 WDN 的通常概念，并引入一种新型 WDN，我们称之为“几乎加权有向网络”（AWDN）。AWDN 能够从给定训练集中捕获网络的权重信息。随后我们为 AWDN 构造了一类度量（或距离），使此类网络具备度量空间结构。利用 AWDN 的度量几何结构，我们提出了改进的 近邻（kNN）方法和改进的支持向量机（SVM）方法，并用于将用于预测 AWDN 中的边权重。在许多现实数据集中，除边权重外，还可将权重关联到顶点以捕获顶点信息；顶点权重的关联尤其在图嵌入问题中起重要作用。采用类似方法，我们引入了两种新型有向网络，其中权重关联到源顶点子集或终端顶点子集。我们首次在此类网络上构造了新的度量类，并基于这些新度量提出了改进的 NN 和 SVM 方法，用于预测这些网络中源与终端的权重。我们利用几何方法在多个现实数据集上给出了实验结果。
引用
@article{arxiv.2009.14311,
title = {Weight Prediction for Variants of Weighted Directed Networks},
author = {Dong Quan Ngoc Nguyen and Lin Xing and Lizhen Lin},
journal= {arXiv preprint arXiv:2009.14311},
year = {2020}
}