machine-learning - 如何找到加权图中链接的预测权重的概率

标签 machine-learning graph-theory weighted-average weighted-graph

我有一个无向加权图。假设节点 A 和节点 B 之间没有直接链路,但存在通过其他中间节点连接两个节点的路径。现在我想预测节点A和B之间的直接链接可能的权重以及它的概率。

我可以通过找到可能的路径及其平均权重来预测权重,但如何找到它的概率 enter image description here

最佳答案

您描述的问题称为链接预测Here是一个简短的教程,解释了该问题以及一些可用于解决该问题的简单启发法。

由于这是一个开放式问题,因此可以通过使用更复杂的技术来大大改进这些简单的解决方案。预测边缘概率的另一种方法是使用机器学习而不是基于规则的启发式方法。

最近一篇名为 node2vec 的文章提出了一种将图中的每个节点映射到密集向量(又名嵌入)的算法。然后,通过在一对节点上应用一些二元运算符,我们得到一个边缘表示(另一个向量)。然后将该向量用作某个预测边缘概率的分类器的输入特征。该论文在几个不同的数据集上比较了一些这样的二元运算符,并且在所有这些数据集上显着优于启发式基准分数。

可以在 here 找到计算给定图表的嵌入的代码.

关于machine-learning - 如何找到加权图中链接的预测权重的概率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52230677/

相关文章:

machine-learning - Eps、DBSCAN 中哪些点算数

python - 车辆牌照 OCR

algorithm - 节点度和度中心性

algorithm - 根据不同的选民人数调整选票

python - 如何从Python中的URL中提取特征?

python - Tensorflow Eager 和 Tensorboard 图?

c++ - 通过函数创建边缘时出现访问冲突错误

r - (局部/节点和全局)使用 igraph Shortest.paths 函数的效率

mysql - RDBMS 的加权投票处理

用 apply 替换 for 循环以提高性能(使用 weighted.mean)