| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:Link prediction in multiplex online social networks
Avtorji:Jalili, Mahdi (Avtor)
Orouskhani, Yasin (Avtor)
Asgari, Milad (Avtor)
Alipourfard, Nazanin (Avtor)
Perc, Matjaž (Avtor)
Datoteke:.pdf Royal_Society_Open_Science_2017_Jalili_et_al._Link_prediction_in_multiplex_online_social_networks.pdf (940,17 KB)
MD5: 67C67B181B9FBD9EBBAE9A33F3FC041F
 
URL http://rsos.royalsocietypublishing.org/lookup/doi/10.1098/rsos.160863
 
Jezik:Angleški jezik
Vrsta gradiva:Znanstveno delo (r2)
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FNM - Fakulteta za naravoslovje in matematiko
Opis:Online social networks play a major role in modern societies, and they have shaped the way social relationships evolve. Link prediction in social networks has many potential applications such as recommending new items to users, friendship suggestion and discovering spurious connections. Many real social networks evolve the connections in multiple layers (e.g. multiple social networking platforms). In this article, we study the link prediction problem in multiplex networks. As an example, we consider a multiplex network of Twitter (as a microblogging service) and Foursquare (as a location-based social network). We consider social networks of the same users in these two platforms and develop a meta-path-based algorithm for predicting the links. The connectivity information of the two layers is used to predict the links in Foursquare network. Three classical classifiers (naive Bayes, support vector machines (SVM) and K-nearest neighbour) are used for the classification task. Although the networks are not highly correlated in the layers, our experiments show that including the cross-layer information significantly improves the prediction performance. The SVM classifier results in the best performance with an average accuracy of 89%.
Ključne besede:social networks, complex networks, signed networks, link prediction, machine learning
Leto izida:2017
Št. strani:str. 1-11
Številčenje:št. 2, Letn. 4
ISSN:Y507-6544
UDK:53
COBISS_ID:22983432 Novo okno
DOI:10.1098/rsos.160863 Novo okno
ISSN pri članku:Y507-6544
NUK URN:URN:SI:UM:DK:0WOMC3GN
Število ogledov:692
Število prenosov:349
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:Ostalo
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Royal Society Open Science
Založnik:#The #Royal Society
ISSN:2054-5703
COBISS.SI-ID:3219791 Novo okno

Gradivo je financirano iz projekta

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije (ARRS)
Številka projekta:P5-0027
Naslov:Prilagajanje slovenskega gospodarstva in razvojna identiteta Slovenije v EU

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:08.08.2017

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:socialna omrežja, družbena omrežja, kompleksna omrežja, podpisana omrežja, napovedovanje povezav, strojno učenje


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici