کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4944586 | 1437998 | 2017 | 44 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Link prediction in multi-relational networks based on relational similarity
ترجمه فارسی عنوان
پیش بینی پیوند در شبکه های چند ربطی بر اساس شباهت های نسبی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
شبکه های چند ربطی پیش بینی پیوند، شباهت،
ترجمه چکیده
بسیاری از شبکه های دنیای واقعی شامل انواع مختلفی از تعاملات و روابط هستند. پیش بینی لینک در چنین شبکه های چند ربطی تبدیل به یک منطقه مهم در تجزیه و تحلیل شبکه شده است. برای پیش بینی لینک در شبکه های چند ربطی، ما باید شباهت و نفوذ بین انواع مختلف روابط را در نظر بگیریم. در این مقاله، یک الگوریتم پیش بینی لینک در شبکه های چند ربطی بر مبنای شباهت های نسبی پیشنهاد شده است. در الگوریتم، یک روش انتشار ایمان برای محاسبه اعتقاد هر گره و ساختن باور باور برای هر نوع لینک ارائه شده است. ما از شباهت بین بردارهای باور برای اندازه گیری تأثیر بین انواع مختلف روابط استفاده می کنیم. بر اساس تاثیر روابط مختلف، ما روش پیشنهادی پیوند ماتریسی غیرقطعی برای پیش بینی پیوند در شبکه های چند ربط ارائه می دهیم. همگرایی و صحت روش ارائه شده ثابت شده است. نتایج تجربی ما نشان می دهد که روش ما می تواند نتایج پیش بینی شده با کیفیت بالاتر از سایر الگوریتم های مشابه را به دست آورد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Many real-world networks contain multiple types of interactions and relations. Link prediction in such multi-relational networks has become an important area in network analysis. For link prediction in multi-relational networks, we should consider the similarity and influence between different types of relations. In this paper, we propose a link prediction algorithm in multi-relational networks based on relational similarity. In the algorithm, a belief propagation method is presented to calculate the belief of each node and to construct the belief vector for each type of link. We use the similarity between belief vectors to measure the influence between different types of relations. Based on the influence between different relations, we present a nonnegative matrix factorization -based method for link prediction in multi-relational networks. The convergence and correctness of the presented method are proved. Our experimental results show that our method can achieve higher-quality prediction results than other similar algorithms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 394â395, July 2017, Pages 198-216
Journal: Information Sciences - Volumes 394â395, July 2017, Pages 198-216
نویسندگان
Dai Caiyan, Chen Ling, Li Bin, Li Yun,