基于角色的单跳邻域表示方法在带符号有向网络中的链接符号预测中的应用

《IEEE Transactions on Artificial Intelligence》:Role-Based One-Hop Neighborhood Representation for Link Sign Prediction in Signed Directed Networks

【字体: 大 中 小 】 时间:2026年01月06日 来源:IEEE Transactions on Artificial Intelligence CS6.4

编辑推荐:

  链接符号预测是复杂网络分析的基础问题,现有方法如SELO忽略邻居节点结构角色差异。本文提出基于角色的一跳邻居表示框架(RONR),通过节点属性分配算法区分邻居角色,并开发高效聚合器,在五个真实有向签名网络实验中,Ronr的AUC、F1等指标显著优于SELO等现有方法。

  
影响声明:
链接符号预测是社会和生物网络分析中的一个基本问题,旨在理解正面和负面互动的模式。在这个问题中...显示更多

摘要:

链接符号预测指的是预测网络中两个节点之间是通过正面链接还是负面链接相连的。针对有符号网络分析中这个典型且基本的问题,据我们所知,目前线性优化(SELO)子图编码方法提供了最先进的性能。然而,现有的符号预测算法通常忽略了相邻节点的多样化结构角色,并通过直接复制无符号和无向聚合器来学习节点嵌入。为了解决这些局限性,我们提出了一个基于角色的单跳邻域表示(RONR)框架,用于预测有符号有向网络中的链接符号,其性能优于现有最先进方法。我们提出方法的主要创新点在于:1)只需要目标链接的单跳邻域信息;2)提供了一种节点属性分配算法来区分邻域中每个节点的角色;3)开发了一种特定的高效节点特征聚合器来学习子图嵌入。我们在五个真实世界的有符号有向网络上进行了实验,并使用AUC、F1、micro-F1和macro-F1来评估性能。实验结果表明,我们提出的RONR方法在性能上显著优于之前的基于特征的方法、基于嵌入的方法以及子图模式编码方法,包括最先进的方法SELO。

引言

链接符号预测是指预测网络中两个节点之间的关系是正面还是负面[1]。这是复杂网络分析领域中的一个基本且重要的问题。链接符号预测的重要性非常广泛,应用于社会科学[2]、心理学[3]、市场营销[4]和政治[5]等多个领域。例如,正面和负面的联系在塑造人类行为、决策和情绪状态方面起着关键作用。识别强烈的社会联系并预测形成新的正面关系的可能性有助于培养健康的关系和更强大的社会支持系统[6]。相反,预测负面链接的发生可以提供对潜在冲突的洞察,并能够及时进行干预以有效管理它们[7]、[8]。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号