- 博客(5)
- 收藏
- 关注
RSS订阅翻译 论文笔记：Effective and Efficient User Account Linkage Across Location Based Social Networks
Effective and Efficient User Account Linkage Across Location Based Social Networks摘要：本文提出了一种基于核密度估计（KDE）的方法，通过缓解用户相似性测量中的数据稀疏性问题来提高精度。为了提高效率，我们开发了一种基于网格的结构来组织位置数据以修剪搜索空间。介绍：随着GPS可定位设备的普及，位置数据的数量越来越多，并且位置数据的来源也更加广泛。最近，新兴的基于位置的社交网络（LBSN）生成了更多的位置数据，例如Four
2021-12-23 21:45:38
347
翻译 DPLink
DPLink: User Identity Linkage via Deep Neural Network From Heterogeneous Mobility Data 论文笔记
2021-12-17 12:32:26
1346
原创 轨迹用户对齐的相关工作
时间标题2011KDDFriendship and Mobility: User Movement In Location-Based Social Networks2013WWWExploiting innocuous activity for correlating users across sites2013CIKMInferring anchor links across multiple heterogeneous social networks2014...
2021-12-17 11:11:05
262
翻译 GraphSAGE详解
文章目录算法思想嵌入生成算法采样算法（minibatch）邻居聚合函数适用场景不足和改进算法思想作者提出一种信息传递框架：节点的（结构和特征）信息在点与点之间传递。通过聚合函数，一个节点能够聚合邻居的信息，并通过更新函数（神经网络）更新当前节点的信息，这就是一次迭代的信息传递过程。随着迭代次数的增加，一个节点就能够聚合到更高阶邻居的信息。补充知识：inductive和transductive learning的区别：transductive 传统的图嵌入算法（基于矩阵分解的算法，基于随机游走的算法
2020-12-10 16:54:32
16825
4
翻译 deepwalk详解
1. 算法思想源于word2vec,word2vec通过语料库中的句子序列来描述词与词的共现关系，进而学习到词语的向量表示。deepwalk则使用图中节点与节点的共现关系来学习节点的向量表示。这种借鉴的前提是点在图中的分布和词在句子中的分布都是幂律分布。2. 随机游走第2步是构建Hierarchical Softmax，第3步对每个节点做γ次随机游走，第4步打乱网络中的节点，可以加快随机梯度下降的速。第5步以每个节点为根节点生成长度为t的随机游走，第7步根据生成的随机游走使用skip-gram模型利
2020-12-10 14:39:32
5886
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人