符號社交網(wǎng)絡(luò)中負(fù)關(guān)系預(yù)測以及網(wǎng)絡(luò)嵌入的研究
【文章頁數(shù)】:145 頁
【學(xué)位級別】:博士
【部分圖文】:
圖2.3DP-SSN架構(gòu)模型說明圖
25圖2.3DP-SSN架構(gòu)模型說明圖本文通過過社交網(wǎng)絡(luò)中用戶間信任關(guān)系的拓?fù)漕A(yù)測不信任關(guān)系,目標(biāo)就是從大量的沒有關(guān)系的用戶對中發(fā)現(xiàn)可能存在或者潛在有不信任關(guān)系的用戶對。為了能對本文提出的算法模型有一個宏觀和直接的了解,將本文提出的算法模型的架構(gòu)圖展示如圖2.3所示。從圖....
圖2.4不同模型性能比較圖
單一的分類器對于復(fù)雜問題的解決必然會有所限制,對于不同的更多數(shù)量的分類器的組合方式值得我們深入研究,本次實驗結(jié)果也驗證了本文提出的DP-SSN算法架構(gòu)具有較好的預(yù)測性能。表2.3不同預(yù)測模型預(yù)測不信任關(guān)系性能比較EpinionsSlashdotAccuracyPrec....
圖2.6兩個數(shù)據(jù)集中不同誘導(dǎo)因子的貢獻(xiàn)分析
測不信任關(guān)系的表現(xiàn)也在越來越好。很明顯當(dāng)抽取比例x%=90%時,組合規(guī)則P和W的狀態(tài)達(dá)到最佳。由此可見,隨著訓(xùn)練數(shù)據(jù)的增加,組合規(guī)則P和W的學(xué)習(xí)能力在不斷增強(qiáng)。在當(dāng)前大數(shù)據(jù)時代,社交網(wǎng)絡(luò)中的數(shù)據(jù)量必然會大量增加,相信在更大數(shù)據(jù)量的環(huán)境下,DP-SSN的學(xué)習(xí)能....
圖3.2實驗數(shù)據(jù)設(shè)置圖
第3章符號社交網(wǎng)絡(luò)中負(fù)鏈路的非監(jiān)督預(yù)測這一節(jié)設(shè)計了多組實驗,驗證提出算法在真實符號社交網(wǎng)絡(luò)中預(yù)測負(fù)鏈并且與相關(guān)方法做了比較,通過實驗結(jié)果分析算法的優(yōu)勢與不足。最后超參數(shù)的不同取值對算法性能的影響以及算法的收斂性。實驗準(zhǔn)備相關(guān)實驗設(shè)計之前,本文首先將數(shù)據(jù)集做了設(shè)置,具體如圖....
本文編號:3920560
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3920560.html