Collective prediction based on community structure

الگوریتم پیش بینی جمعی برای بهبود عملکرد در هنگام ساخت ساختار شبکه در وظایف پیش بینی شده مورد استفاده قرار گرفته است. مجموعه داده های آموزشی این وظایف اغلب حاوی اطلاعات محتوا، لینک ها و برچسب ها است، در حالی که مجموعه داده های آزمایشی فقط اطلاعات محتوا و لینک را دارند. الگوریتم های پیش بینی های جمعی متعارف پیش بینی ها را بر اساس محتوی یک گره و اطلاعات همسایگان مستقیم آن با یک طبقه بندی پایه انجام می دهند. با این حال، اطلاعات برخی از گره های مجاور همسایگی ممکن است با هدف هدف سازگار نباشد. علاوه بر این، اطلاعات همسایگان غیرمستقیم می تواند مفید باشد، در حالی که همسایگان مستقیم کم است. در این مقاله، به جای استفاده از اطلاعات همسایگان مستقیم، ما پیشنهاد می کنیم ساختارهای اجتماعی در شبکه ها را برای وظایف پیش بینی شده اعمال کنیم. یک روش تشخیص جامعه به منظور پیشبینی پیشرفت در فرآیند پیش بینی جمعی جمع می شود. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی از چندین الگوریتم پیش بینی استاندارد پیشی می گیرد، مخصوصا در شرایطی که مجموعه داده های آموزشی برچسب دار محدود است.