Unsupervised Feature Selection in Signed Social Networks 阅读笔记

最新推荐文章于 2021-11-17 17:31:47 发布
最新推荐文章于 2021-11-17 17:31:47 发布
阅读量475 收藏
点赞数
分类专栏： 数据挖掘 mining-the-social-web 文章标签： 社交网络 框架 特征选择 无监督学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liveway6/article/details/78511994
版权

论文来源：2017 KDD
论文链接

有符号的社交网络中存在正连接（positive links）和负连接（negative links），最近的一些研究指出，负连接具有一些正连接没有的额外信息。因此，本文提出了一个基于有符号社交网络的无监督特征选择框架SignedFS，同时利用正连接和负连接来获取网络特征的潜在表达，从而实现更好的聚类效果。

详情戳知乎专栏

liveway6
关注
专栏目录
文献记录(part109)--Self-Representation Based Unsupervised Exemplar Selection in a Union of Subspaces
小山羊的学习日志
07-22 502
从无标签的数据集中寻找一小部分代表是数据集总结和信息提取等广泛应用中的一个核心问题.经典的exemplar selection methods，如k-medoids，是在数据点接近几个聚类中心点的假设下工作的，而不能处理数据接近union of subspaces的情况.本文提出了一个新的exemplar selection model，该模型寻找一个子集，该子集以表示系数的l1l_1l1​。...
An Analysis of Single-Layer Networks in Unsupervised Feature Learning(精读)
小胜爱捣鼓
12-04 3231
《An Analysis of Single-Layer Networks in Unsupervised Feature Learning》文献阅读笔记
Unsupervised Personalized Feature Selection--阅读笔记
liveway6的博客
12-18 963
论文链接 论文来源：AAAI 本文重新整理至知乎专栏Abstract Introduction Unsupervised Personalized Feature Selection Framework - UPFS Optimization Algorithm for UPFS Update Global Feature Weight WW Update Local Feature Weigh
论文笔记：Unsupervised Feature Selection in Signed Social Networks
Zhou_Dao的博客
06-16 592
论文来源：KDD 2017 主要贡献：对带符号的网络学习隐表达（提出了一个无监督的特征选择框架SignedFS，同时用正连接和负连接来获取网络的潜在特征表达，来进行特征提取） Abstract： 现阶段大量的研究都针对 positive interaction linked的网络，但是现实中的网络存在很多negative link，同时作者指出这些negative link也具有...
A review of unsupervised feature selection methods-无监督特征选择方法综述（五）
aab11235的博客
11-15 449
Hybrids 为了利用过滤器和包装器方法，即混合方法，在过滤器阶段，根据数据的内在属性应用度量对特征进行排序或选择。而在包装阶段，通过特定的聚类算法对某些特征子集进行评估，以找到最佳特征子集。我们可以区分两种类型的混合方法：基于排序的方法和不基于特征排序的方法。在本节中，我们描述了属于此方法的两种类型的一些方法。 Dash和Liu（2000）介绍了第一种基于排序的无监督混合特征选择方法。该方法基于Dash等人（1997）（过滤阶段）提出的熵测度，以及内部散射可分性准则（Dy和Brodley 2004）
A review of unsupervised feature selection methods-无监督特征选择方法综述（二）
aab11235的博客
11-12 1354
UFS 如前一节所述，无监督特征选择（UFS）方法可以根据用于选择特征的策略分类为过滤器、包装器和混合方法。在本节中，首先，我们将文献中报告的UFS方法组织到图1所示的分类中。然后，我们描述了每一种方法，重点介绍了它们的主要特点和它们所基于的思想。 Filter approach 单变量：也称为基于排名的UFS方法，使用一些标准来评估每个特征，以获得有序的特征列表（排名），其中最终的特征子集是根据该顺序选择的。这种方法可以有效地识别和删除不相关的特征，但由于没有考虑特征之间可能的依赖关系，因此
【机器学习】Unsupervised feature selection by regularized self-representation（RSR）
lameraaa的博客
10-14 642
RSR 参考论文：Unsupervised feature selection by regularized self-representation 作者：Pengfei Zhu , Wangmeng Zuo , Lei Zhang , Qinghua Hu , Simon C.K. Shiu 模型 该模型中，特征矩阵由它本身表示，来找到具有代表性的特征分量。用L2,1L_{2,1}L2,1​范数...
Embedded Unsupervised Feature Selection.pdf
12-11
in supervised feature selection, which allows to embed feature selection into the classification (or regression) problem. In recent years, increasing attention has been on applying spare learning in ...
A review of unsupervised feature selection methods-无监督特征选择方法综述（四）
aab11235的博客
11-15 757
Wrapper approach 基于包装器方法的UFS方法根据特征搜索策略可分为三大类：顺序、仿生和迭代。在前者中，按顺序添加或删除特征。基于顺序搜索的方法易于实现，速度快。另一方面，仿生方法试图在搜索过程中加入随机性，以避免局部最优。最后，迭代方法将无监督特征选择问题转化为估计问题，从而避免了组合搜索，从而解决了无监督特征选择问题。 Sequential methods Dy和Brodley（2004）介绍了这一类中最杰出的方法之一。在这项工作中，评估了两个特征选择标准：最大似然标准（ML）和分散
A review of unsupervised feature selection methods-无监督特征选择方法综述（一）
aab11235的博客
11-12 970
Solorio-Fernández, S., Carrasco-Ochoa, J.A. & Martínez-Trinidad, J.F. A review of unsupervised feature selection methods. Artif Intell Rev 53, 907–948 (2020). https://doi.org/10.1007/s10462-019-09682-y Absract 近年来，无监督特征选择方法在许多研究领域引起了极大的兴趣；这主要是因为它们能够识
A review of unsupervised feature selection methods-无监督特征选择方法综述（六）
aab11235的博客
11-17 757
A review of unsupervised feature selection methods-无监督特征选择方法综述（七）文中图表_aab11235的博客-CSDN博客 Analysis and discussion 在上一节中，根据方法、类型和子类型对无监督特征选择方法进行了分类和回顾。在本节中，将讨论第2节中描述的UFS方法的一些总体方面、优点和缺点。此外，在本节中，对每个类别中最相关和最新的UFS方法进行了实验评估。 在表1中，我们总结了属于过滤器、包装器、混合方法的UFS方法的一般..
A review of unsupervised feature selection methods-无监督特征选择方法综述（三）
aab11235的博客
11-15 2037
Multivariate filter methods 多变量过滤方法可分为三个主要组：统计/信息，生物启发和基于频谱/稀疏学习的方法。顾名思义，前者包括使用统计和/或信息论度量（如方差-协方差、线性相关、熵、互信息等）执行选择的UFS方法。另一方面，第二组包括的UFS方法，该方法使用基于群体智能范式的随机搜索策略（Beni和Wang 1993；Dorigo和Gambardella 1997），以找到满足某些质量标准的良好特征子集。最后，第三组包括基于光谱分析（Zhao和Liu，2011年）或光谱分析与稀
A review of unsupervised feature selection methods-无监督特征选择方法综述（七）文中图表
aab11235的博客
11-17 292
Unsupervised Sentiment Analysis with Signed Social Networks--阅读笔记
liveway6的博客
01-09 687
这篇文章研究了一个在有符号社交网络中进行无监督情感分析的新问题。具体来说，在有符号社交网络中引入了情感信息和隐含情感信号，并将其引入到情感模型中。
论文阅读 - Unsupervised feature selection via transformed auto-encoder（2019）
铁锹的填坑记录
02-28 931
[TOC] 题目 概括 一种特征选择器，用来移除不相关的特征，减少计算量，加速计算过程提升性能表现。 结构 模型分成三部分： 通过深度自动编码器得到的受正交约束的indicator matrix指示矩阵。 使用非负最小二乘法，获得近似的、非负的指示矩阵 （算法第8部） 通过指示矩阵来选择出特征选择矩阵(feature selection matrix)，并且使用K-means算法来评估模型。（算法性能评估部分） Related works LS Laplacian score作为过滤方法。但是
【论文笔记】- PixelLink: Detecting Scene Text via Instance Segmentation（附源码链接）
性格如此、
12-12 1335
PixelLink: Detecting Scene Text via Instance Segmentation 一篇通过实例分割（没有用回归哦）的场景文字检测论文，发表于AAAI（2018） github项目源码地址： github.Pixel_Link 看完论文后觉得本方法的重点是将文本检测问题进行简化，而不是像很多文本检测方法使用普通物体检测的思路，即文本/非文本分类(text/nonte...
NE(Network Embedding)论文小览
热门推荐
DarkScope从这里开始
07-04 3万+
NE(Network Embedding)论文小览自从word2vec横空出世，似乎一切东西都在被embedding，今天我们要关注的这个领域是Network Embedding，也就是基于一个Graph，将节点或者边投影到低维向量空间中，再用于后续的机器学习或者数据挖掘任务，对于复杂网络来说这是比较新的尝试，而且取得了一些效果。 本文大概梳理了最近几年流行的一些方法和论文，paper主要是来自t
【编码随笔】boost::graph中adjacency_list用法与顶点信息绑定
gwf421的专栏
10-25 4485
在使用BGL
Unsupervised texture segmentation using feature distributions
最新发布
05-12
Unsupervised texture segmentation using feature distributions is a method of segmenting textures in an image without any prior knowledge or labeling of the textures. This method relies on analyzing ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值