A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Link Prediction Using Higher-Order Feature Combinations across Objects Previsão de link usando combinações de recursos de ordem superior entre objetos

Kyohei ATARASHI, Satoshi OYAMA, Masahito KURIHARA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A previsão de link, o problema computacional de determinar se existe um link entre dois objetos, é importante no aprendizado de máquina e na mineração de dados. A previsão de links baseada em recursos, na qual os vetores de recursos dos dois objetos são fornecidos, é de particular interesse porque também pode ser usada para vários problemas relacionados à identificação. Embora a máquina de fatoração e a máquina de fatoração de ordem superior (HOFM) sejam amplamente utilizadas para previsão de links baseada em recursos, elas usam combinações de recursos não apenas entre os dois objetos, mas também do mesmo objeto. As combinações de recursos do mesmo objeto são irrelevantes para os principais problemas de previsão de links, como a previsão de identidade, porque usá-las aumenta o custo computacional e degrada a precisão. Neste artigo, apresentamos novos modelos que usam combinações de recursos de ordem superior apenas entre os dois objetos. Como não havia algoritmos para calcular com eficiência combinações de recursos de ordem superior apenas em dois objetos, derivamos um aproveitando os resultados relatados e obtidos recentemente do cálculo do kernel ANOVA. Apresentamos um algoritmo eficiente de descida de coordenadas para os modelos propostos. Também melhoramos a eficácia do existente para o HOFM. Além disso, estendemos os modelos propostos para uma rede neural profunda. Resultados experimentais demonstraram a eficácia dos nossos modelos propostos.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.8 pp.1833-1842
Data de publicação
2020/08/01
Publicitada
2020/05/14
ISSN online
1745-1361
DOI
10.1587/transinf.2019EDP7266
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial, Mineração de Dados

autores

Kyohei ATARASHI
  Hokkaido University
Satoshi OYAMA
  Hokkaido University,RIKEN AIP
Masahito KURIHARA
  Hokkaido University

Palavra-chave