-
题名基于张量嵌入的用户多角色交互信息主题帖子动态预测
- 1
-
-
作者
彭训
池承琪
付英姿
付光辉
-
机构
昆明理工大学理学院
昆明理工大学应用统计学研究中心
-
出处
《系统科学与数学》
北大核心
2026年第3期1026-1038,共13页
-
基金
国家自然科学基金项目(11201200,11561035,12261052,11761041)
云南省统计建模与数据分析重点实验室开放课题(SMDAZD2023002)资助课题。
-
文摘
在动态网络链路预测研究中,全面准确地提取节点信息,深入理解网络的时间演化规律尤为关键.针对这一问题,文章考虑了复杂高阶网络中超图神经网络的时序链路预测,旨在利用超图结构捕捉节点之间的高阶关系和时序变化.在网络的演化过程方面,将网络划分为多个时间戳进行研究;对于每个快照,首先,构建超图并生成其邻接张量,对其进行高阶奇异值分解,并将特征张量映射到低维潜在空间中;其次,将超图神经网络扩展到张量学习,聚合得到节点间的潜在特征交互信息;最后,通过融合序列超图和子图的特征信息,计算连边概率,实现动态链路预测.文章所提方法在保持高阶邻近性和网络一致性的同时,还融合了全局信息,实现了对不同潜在子空间的联合学习,有效提升了动态链路预测精度.为了验证所提出方法的有效性和实用性,基于三个数据集对算法进行了实验,结果表明,与主流的静态和动态链路预测算法相比,该方法不仅表现更为出色,还能够识别热门话题和趋势,有利于及时调整和优化信息传播策略,从而提升用户的粘性和活跃度.
-
关键词
潜在空间
张量分解
特征融合
链路预测
张量超图神经网络
-
Keywords
Latent space
tensor decomposition
feature fusion
link prediction
tensor hypergraph neural network
-
分类号
O157.5
[理学—基础数学]
-
