論文の概要: Link Prediction for Social Networks using Representation Learning and Heuristic-based Features

• arxiv url: http://arxiv.org/abs/2403.08613v1
• Date: Wed, 13 Mar 2024 15:23:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 13:38:16.539995
• Title: Link Prediction for Social Networks using Representation Learning and Heuristic-based Features
• Title（参考訳）: 表現学習とソーシャルネットワークのリンク予測 ヒューリスティックな特徴
• Authors: Samarth Khanna, Sree Bhattacharyya, Sudipto Ghosh, Kushagra Agarwal, Asit Kumar Das
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.279952601030681
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The exponential growth in scale and relevance of social networks enable them to provide expansive insights. Predicting missing links in social networks efficiently can help in various modern-day business applications ranging from generating recommendations to influence analysis. Several categories of solutions exist for the same. Here, we explore various feature extraction techniques to generate representations of nodes and edges in a social network that allow us to predict missing links. We compare the results of using ten feature extraction techniques categorized across Structural embeddings, Neighborhood-based embeddings, Graph Neural Networks, and Graph Heuristics, followed by modeling with ensemble classifiers and custom Neural Networks. Further, we propose combining heuristic-based features and learned representations that demonstrate improved performance for the link prediction task on social network datasets. Using this method to generate accurate recommendations for many applications is a matter of further study that appears very promising. The code for all the experiments has been made public.
• Abstract（参考訳）: スケールの指数的な成長とソーシャルネットワークの関連性により、彼らは広大な洞察を提供することができる。 ソーシャルネットワークにおけるリンクの欠落を効率的に予測することは、レコメンデーションの生成から影響分析まで、現代の様々なビジネスアプリケーションに役立つ。 同じ解のいくつかのカテゴリが存在する。 本稿では、欠落したリンクを予測できるソーシャルネットワークにおいて、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。 構造埋め込み, 近傍型埋め込み, グラフニューラルネットワーク, グラフヒューリスティックスで分類した10種類の特徴抽出手法を用いて, 続いてアンサンブル分類器とカスタムニューラルネットワークを用いたモデリングを行った。 さらに,ソーシャルネットワークデータセット上でのリンク予測タスクの性能向上を示す,ヒューリスティックな特徴と学習表現を組み合わせることを提案する。 この手法を用いて、多くのアプリケーションに対して正確なレコメンデーションを生成することは、非常に有望と思われるさらなる研究の課題である。 すべての実験のコードは公開されています。

関連論文リスト

• Reinforcement Learning Discovers Efficient Decentralized Graph Path Search Strategies [4.77487125476894]
  グラフパス探索は、強化学習で最近アプローチされた古典的なコンピュータサイエンス問題である。 グラフパス探索のためのマルチエージェント手法を提案し, 相同性と構造的不均一性の両方をうまく活用する。 この結果から,グラフナビゲーションのための意味のある埋め込みを報酬駆動学習を用いて構築できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-12T10:56:38Z)
• Relational Composition in Neural Networks: A Survey and Call to Action [54.47858085003077]
  多くのニューラルネットは、データを「機能ベクトル」の線形結合として表現しているように見える。 我々は、この成功は関係性の構成を理解せずに不完全であると主張する。
  論文  参考訳（メタデータ） (2024-07-19T20:50:57Z)
• DGNN: Decoupled Graph Neural Networks with Structural Consistency between Attribute and Graph Embedding Representations [62.04558318166396]
  グラフニューラルネットワーク(GNN)は、複雑な構造を持つグラフ上での表現学習の堅牢性を示す。 ノードのより包括的な埋め込み表現を得るために、Decoupled Graph Neural Networks (DGNN)と呼ばれる新しいGNNフレームワークが導入された。 複数のグラフベンチマークデータセットを用いて、ノード分類タスクにおけるDGNNの優位性を検証した。
  論文  参考訳（メタデータ） (2024-01-28T06:43:13Z)
• 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)
• Theory of Graph Neural Networks: Representation and Learning [44.02161831977037]
  グラフニューラルネットワーク(GNN)は、ノードやグラフ、ポイントの設定を予測するための一般的な学習モデルになっている。 本稿では、広く使われているメッセージパッシングGNNと高次GNNの近似と学習特性に関する、新たな理論結果の選択について要約する。
  論文  参考訳（メタデータ） (2022-04-16T02:08:50Z)
• 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)
• NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
  本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
  論文  参考訳（メタデータ） (2020-12-22T03:56:26Z)
• Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
  グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。 マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:09:51Z)
• Learning-based link prediction analysis for Facebook100 network [0.0]
  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。
  論文  参考訳（メタデータ） (2020-08-01T18:03:57Z)
• 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)
• Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
  数発のアウトオブグラフリンク予測という現実的な問題を導入する。 我々は,新しいメタ学習フレームワークによってこの問題に対処する。 我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
  論文  参考訳（メタデータ） (2020-06-11T17:42:46Z)

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。