半监督学习在链接预测问题中的应用

摘要：

链接预测是社会网络分析领域的关键问题,研究如何从已知网络中预测可能存在的新链接.现实网络中存在了大量未连接的节点对,从中挖掘潜在信息可以帮助实现链接预测任务.将链接预测视为二类分类问题,使用半监督学习技术,利用网络中的未标记数据帮助学习.使用了两种半监督范式:自我训练和协同训练.在现实数据集Enron和DBLP中的实验结果表明,链接预测任务中采用未标记数据能够有效提高预测的准确率.

关键词：链接预测、半监督学习、自我训练、协同训练、社会网络分析

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金61100135,61003040;教育部归国留学人员启动基金BJ210022;南京邮电大学人才引进启动基金NY209013

在线出版日期：2013-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：136-141,221