BriefGPT - AI 论文速递
·
基于表示学习和启发式特征的社交网络链接预测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了一种两阶段方法，结合了第一和第二组方法，以确定与节点位置和动态行为相关的新特征，并使用子空间聚类算法对社会对象进行分组。实验结果表明该方法在真实数据集上的表现优于其他技术。
🎯
关键要点
- 提出了一种两阶段方法，结合第一和第二组方法。
- 第一阶段确定与节点位置和动态行为相关的新特征。
- 第二阶段应用子空间聚类算法对社会对象进行分组。
- 该方法能够区分集群的强度。
- 在 Facebook、Brightkite 和 HepTh 等真实数据集上进行了广泛的实验。
- 实验结果表明该方法优于其他技术。
➡️
