基于受限玻尔兹曼机的链接分类算法.PDF

基于受限玻尔兹曼机的链接分类算法 1) 2) 3) 史喜斌 , 吴世伟 , 熊赟 1), 2), 3) (复旦大学 计算机科学技术学院 上海市数据科学重点实验室 上海 中国 200433) 摘 要 链接分类旨在给定社会网络图谱，预测出其中链接的语义类型，如信任关系，同事朋友关系等。已有工作大多关 注在特定领域，对特定领域的数据做人工特征工程，这种工作的局限是不容易扩展到其他社会网络中，算法框架缺少扩展性。 本文提出了结合矩阵分解和受限玻尔兹曼机的特征构造算法，可以根据网络拓扑自动构造隐式特征用于分类。在合作者网络 和Epinions 信任网络中进行了实验，算法准确率较人工特征算法有了明显提高。 关键词 链接分类 社会网络 数据挖掘 Restrict Boltzmann Machine Based Link Classification SHI Xi-Bin1), WU Shi-Wei2), XIONG Yun3) 1), 2), 3) (Shanghai Key Laboratory of Data Science, Fudan University, Shanghai 200433, China) Abstract Link classification has been discussed a lot. It is aiming to predict the type of social links like colleagues, friendship etc. Previous works have more focus in mining link information in ad-hoc domains. They did human feature engineering with experts’ knowledge. These algorithms are hard to be used in other domains. We propose a feature representation algorithm combining with matrix factorization an Restricted Boltzmann Machine(RBM). It could extract hidden link features from social graphs. We conduct experiments in Epinions and co-author network. The result proves that our method is better than human feature engineering methods. Key words link classification, social network, data mining 高人们对社交网络的在线体验，人们可以获得更好 1 引言 的社交服务，更精准的商品推荐，更细致的隐私保 护策略等，这些都是0-1 链接难以提供的，所以对 1.1 链接分类及其意义 链接进行类别分析是非常有意义的。 Trust 随着社会网络应用的普及，社会网络分析逐渐 成为热点问题，其中旨在预测未知关系的链接预测 算法成为链接分析中的重要问题[1]，但是仅仅实