論文の概要: Learning-based link prediction analysis for Facebook100 network

• arxiv url: http://arxiv.org/abs/2008.00308v2
• Date: Thu, 25 Mar 2021 23:46:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 01:14:13.660411
• Title: Learning-based link prediction analysis for Facebook100 network
• Title（参考訳）: Facebook100ネットワークにおける学習に基づくリンク予測分析
• Authors: Tim Po\v{s}tuvan, Semir Salki\'c, Lovro \v{S}ubelj
• Abstract要約: 本稿では,Facebook100ネットワークにおけるリンク予測の包括的解析を行う。 我々は,異なる特徴集合に基づいて,複数の機械学習アルゴリズムの性能と評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In social network science, Facebook is one of the most interesting and widely used social networks and media platforms. Its data contributed to significant evolution of social network research and link prediction techniques, which are important tools in link mining and analysis. This paper gives the first comprehensive analysis of link prediction on the Facebook100 network. We study performance and evaluate multiple machine learning algorithms on different feature sets. To derive features we use network embeddings and topology-based techniques such as node2vec and vectors of similarity metrics. In addition, we also employ node-based features, which are available for Facebook100 network, but rarely found in other datasets. The adopted approaches are discussed and results are clearly presented. Lastly, we compare and review applied models, where overall performance and classification rates are presented.
• Abstract（参考訳）: ソーシャルネットワーク科学において、Facebookは最も興味深く広く使われているソーシャルネットワークとメディアプラットフォームの一つである。 そのデータは、リンクマイニングと分析において重要なツールであるソーシャルネットワークの研究とリンク予測技術の進化に寄与した。 本稿では,Facebook100ネットワークにおけるリンク予測の包括的解析を行う。 我々は,異なる特徴集合に基づいて,複数の機械学習アルゴリズムの性能と評価を行った。 特徴を引き出すには、ネットワーク埋め込みや、node2vecや類似度メトリクスのベクトルのようなトポロジベースの技術を使う。 さらに、ノードベースの機能も採用しています。これはFacebook100ネットワークで利用可能ですが、他のデータセットにはほとんどありません。 採用したアプローチが議論され、結果が明らかになる。 最後に、全体的な性能と分類率を示す応用モデルを比較し、レビューする。

関連論文リスト

• Just Propagate: Unifying Matrix Factorization, Network Embedding, and LightGCN for Link Prediction [5.1359892878090845]
  本稿では,行列因数分解と代表的ネットワーク埋め込みおよびグラフニューラルネットワーク手法を網羅したリンク予測フレームワークを提案する。 我々の結果は、リンク予測手法の理解を深め、新しい設計をインスピレーションする可能性がある。
  論文  参考訳（メタデータ） (2024-10-26T21:43:34Z)
• Link Prediction for Social Networks using Representation Learning and Heuristic-based Features [1.279952601030681]
  ソーシャルネットワークのリンク不足を効率的に予測することは、現代の様々なビジネスアプリケーションに役立つ。 本稿では,ソーシャルネットワークにおけるノードとエッジの表現を生成するための様々な特徴抽出手法について検討する。
  論文  参考訳（メタデータ） (2024-03-13T15:23:55Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
  我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。 中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。 我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
  論文  参考訳（メタデータ） (2024-01-01T02:03:35Z)
• Classification of vertices on social networks by multiple approaches [1.370151489527964]
  ソーシャルネットワークの場合、個別のコミュニティのラベルを評価することが不可欠である。 これらのインタラクションベースのエンティティそれぞれに対して、テストベンチリポジトリとして、ソーシャルグラフ、メーリングデータセット、および2つの引用セットが選択される。 本論文は,最も有用な手法だけでなく,グラフニューラルネットワークの動作方法も検討した。
  論文  参考訳（メタデータ） (2023-01-13T09:42:55Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Benchmarking Graph Neural Networks on Link Prediction [80.2049358846658]
  リンク予測のための異なるデータセット上で,既存のグラフニューラルネットワーク(GNN)モデルをベンチマークする。 実験により,これらのGNNアーキテクチャは,リンク予測タスクの様々なベンチマークでも同様に動作することを示す。
  論文  参考訳（メタデータ） (2021-02-24T20:57:16Z)
• Social Network Analysis: From Graph Theory to Applications with Python [1.027974860479791]
  ソーシャルネットワーク分析は、ネットワークとグラフ理論を使用して社会構造を調査するプロセスです。 これは、構造的ソーシャルネットワークを分析するための様々な技術と、これらの構造で観察される基盤となる力学やパターンを説明することを目的とした理論を組み合わせる。
  論文  参考訳（メタデータ） (2021-02-05T18:46:02Z)
• Fusion of CNNs and statistical indicators to improve image classification [65.51757376525798]
  畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。 この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。 我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
  論文  参考訳（メタデータ） (2020-12-20T23:24:31Z)
• CommuNety: A Deep Learning System for the Prediction of Cohesive Social Communities [14.839117147209603]
  画像を用いた結束型ソーシャルネットワーク予測のための深層学習システムCommuNetyを提案する。 提案したディープラーニングモデルは階層型CNNアーキテクチャで構成され,各結合ネットワークに関連する記述的特徴を学習する。 また、画像中の人物の存在を定量化するための新しい顔共起周波数アルゴリズムと、予測されたソーシャルネットワークにおける個人間の関係の強さを分析する新しい写真ランキング手法を提案する。
  論文  参考訳（メタデータ） (2020-07-29T11:03:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。