本文主要研究内容
作者陈耀飞,王友国,朱亮（2019）在《基于XGBoost算法的社交网络链路预测》一文中研究指出：提升链路预测精度是复杂网路研究的基础问题之一。传统基于局部信息相似性、基于全局信息相似性与基于随机游走相似性的链路预测都是基于单个相似性指标进行预测的,而没有充分利用这些相似性指标的综合信息。将链路预测问题看作机器学习中的二分类问题,将有连接的样本标签记为1,无连接的样本标签记为0,将基于局部信息、基于全局信息与基于随机游走相似性等15个指标作为样本特征。综合考虑以上信息,使用XGBoost算法,选取AUC作为模型评价准则,在facebook真实数据集上进行实验。结果表明,该算法在测试集上的AUC高于基于单个相似性指标链路预测的AUC。
Abstract
di sheng lian lu yu ce jing du shi fu za wang lu yan jiu de ji chu wen ti zhi yi 。chuan tong ji yu ju bu xin xi xiang shi xing 、ji yu quan ju xin xi xiang shi xing yu ji yu sui ji you zou xiang shi xing de lian lu yu ce dou shi ji yu chan ge xiang shi xing zhi biao jin hang yu ce de ,er mei you chong fen li yong zhe xie xiang shi xing zhi biao de zeng ge xin xi 。jiang lian lu yu ce wen ti kan zuo ji qi xue xi zhong de er fen lei wen ti ,jiang you lian jie de yang ben biao qian ji wei 1,mo lian jie de yang ben biao qian ji wei 0,jiang ji yu ju bu xin xi 、ji yu quan ju xin xi yu ji yu sui ji you zou xiang shi xing deng 15ge zhi biao zuo wei yang ben te zheng 。zeng ge kao lv yi shang xin xi ,shi yong XGBoostsuan fa ,shua qu AUCzuo wei mo xing ping jia zhun ze ,zai facebookzhen shi shu ju ji shang jin hang shi yan 。jie guo biao ming ,gai suan fa zai ce shi ji shang de AUCgao yu ji yu chan ge xiang shi xing zhi biao lian lu yu ce de AUC。
论文参考文献
论文详细介绍
论文作者分别是来自软件导刊的陈耀飞,王友国,朱亮，发表于刊物软件导刊2019年11期论文，是一篇关于链路预测论文,机器学习论文,社交网络论文,软件导刊2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自软件导刊2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：链路预测论文; 机器学习论文; 社交网络论文; 软件导刊2019年11期论文;