(54.173.237.152) 您好!臺灣時間:2019/02/22 22:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
本論文永久網址: 
line
研究生:林哲立
研究生(外文):Lin, Zhe Li
論文名稱:以分解機器為基礎之社群領袖偵測方法研究
論文名稱(外文):Discovering Community Leaders from Coauthor Network via Factorization Machines
指導教授:蔡銘峰蔡銘峰引用關係
指導教授(外文):Tsai, Ming Feng
學位類別:碩士
校院名稱:國立政治大學
系所名稱:資訊科學學系
學門:工程學門
學類:電資工程學類
論文出版年:2016
畢業學年度:104
語文別:英文
論文頁數:20
中文關鍵詞:機器學習分解機器社群網路
相關次數:
  • 被引用被引用:0
  • 點閱點閱:234
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
文提出了一種分析社群網路影響力於社群領袖偵測之方法。主要 目的在於透過機器學習中的分解機器方法了解社群網路的結構,此方 法進一步地了解社群網路之影響力分布,然後藉由此影響力的分析找 尋社群中的影響力領袖。 在過去的工作中,此類的社群網路分析研究 的問題通常使用機率模型來處理。除此之外,某些相關的工作會使用 基礎的圖論特徵像是圖中的節點或邊緣來幫助解決此類的問題。 雖然 過去的研究中已存在幾種方法來處理這類問題,但由於社群網路龐大 而且複雜,目前沒有精確且有效的機器學習方法能夠找出社群領袖。 在此工作中我們採用過去研究中從未嘗試過的分解機器學習技術來分 析此類圖論問題,透過此機器學習技術來找出社群領袖。在提出的這 套方法中,除了基本的網路結構外,社群網路中的人和其他物件的資 訊也都能透過分解機器學習技術中特徵的方式加入至影響力分析模型 中。此外,我們也提出了幾種不同的矩陣分解之隨機抽樣演算法來提 升效能以及精確度。最後,我們透過由 DBLP 蒐集而來的資料來進行 多項實驗,實驗結果顯示我們提出的方法即使在一個龐大且稀疏的社 群網路中仍還是可以有效地找出社群影響力領袖。

1 Introduction 1
2 Related Work 3
2.1 SocialNetworkAnalysis 3
2.2 RecommenderAlgorithm 4
2.2.1 CollabrativeFiltering 4
2.2.2 Content-basedFiltering 4
2.2.3 HybridAlgorithm 5
3 Methodology 7
3.1 CollaborativeLatentSocialInfluence 7
3.2 ModelingSocialInfluencewithFM 8
4 Experimental Results 11
4.1 Experiments 11
4.1.1 Dataset 11
4.1.2 ExperimentSetup 12
4.1.3 Evaluation 13
4.2 ExperimentalResults 13
4.3 Discussion 14
5 Conclusions 17
5.1 Conclusions 17
Bibliography 19
1] M. G. Kendall. A new measure of rank correlation. Biometrika, 30(1/2):81–93, 1938.
[2] L. Liu, J. Tang, J. Han, and S. Yang. Learning influence from heterogeneous social networks. Data Mining and Knowledge Discovery, 25(3):511–544, 2012.
[3] J. L. Myers, A. Well, and R. F. Lorch. Research design and statistical analysis. Routledge, 2010.
[4] S. A. Myers, C. Zhu, and J. Leskovec. Information diffusion and external influence in networks. In Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’12, pages 33–41, New York, NY, USA, 2012. ACM.
[5] S. Rendle. Factorization machines. In Proceedings of the 2010 IEEE International Conference on Data Mining, ICDM ’10, pages 995–1000, Washington, DC, USA, 2010. IEEE Computer Society.
[6] S. Rendle. Factorization machines with libfm. ACM Trans. Intell. Syst. Technol., 3(3):57:1–57:22, May 2012.
[7] X. Shuai, Y. Ding, J. Busemeyer, S. Chen, Y. Sun, and J. Tang. Modeling indirect influence on twitter. Int. J. Semant. Web Inf. Syst., 8(4):20–36, Oct. 2012.
[8] L. Terveen and W. Hill. Beyond recommender systems: Helping people help each other. 2001.
[9] M.-F.Tsai,C.-W.Tzeng,andA.L.P.Chen.Discoveringleadersfromsocialnetwork by action cascade. In Proceedings of the Fifth Workshop on Social Network Systems, SNS ’12, pages 12:1–12:2, New York, NY, USA, 2012. ACM.
[10] M.-F. Tsai, C.-J. Wang, and Z.-L. Lin. Social influencer analysis with factorization machines. In Proceedings of the ACM Web Science Conference, WebSci ’15, pages 50:1–50:2, New York, NY, USA, 2015. ACM.
[11] K. Zhou, H. Zha, and L. Song. Learning social infectivity in sparse low-rank net- works using multi-dimensional hawkes processes. In Proceedings of the Sixteenth International Conference on Artificial Intelligence and Statistics, pages 641–649, 2013.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔