Resumen

Las aproximaciones de matrices de rango bajo se han utilizado en la predicción de enlaces para redes, las cuales suelen ser métodos globalmente óptimos y carecen de utilizar la información local. La estructura por bloques es una característica local significativa de las matrices: las entidades en el mismo bloque tienen valores similares, lo que implica que es más probable encontrar enlaces dentro de bloques densos. Utilizamos esta idea para crear un modelo probabilístico de variables latentes para encontrar enlaces faltantes mediante la factorización de matrices no negativas convexas con detección de bloques. Los experimentos muestran que este método proporciona una mayor precisión de predicción que el método original por sí solo. A diferencia de los métodos originales de aproximaciones de matrices de rango bajo para la predicción de enlaces, la dispersión de las soluciones está de acuerdo con la propiedad dispersa de la mayoría de las redes complejas reales. Escalando a redes de gran tamaño, utilizamos la información de bloques para mapear matrices en arquitecturas distribuidas y ofrecemos un método de predicción de dividir y conqu

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Rango; Matrices; Predicción de enlaces; Estructura de bloques; Modelo de variables latentes; Factorización de matrices no negativas
• Keywords:Rank; Matrices; Link prediction; Block structure; Latent variable model; Nonnegative matrix factorization