Presenting new collaborative link prediction methods for activity recommendation in Facebook

Shahmohammadi, Amin; Khadangi, Ehsan; Bagheri, Alireza

doi:10.1016/j.neucom.2016.06.024

Cited by 25 publications

(13 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The purpose is to identify unobserved edges in the existing network or forecast future edges based on the current network structure [1]. Link prediction has been applied to recommend friends or interest points in social networks [2], predict the possible protein interactions without costly experiments in biology [3], simulate the drug interactions through a limited number of tests in medical pharmacy [4], and analyze the structure of criminal and terrorist networks to combat organized crime [5]. The existing methods for link prediction are either based on similarity or grounded on probability.…”

Section: Introductionmentioning

confidence: 99%

“…The similarity-based methods [2] assume that two nodes with a high similarity are more likely to be edged, and characterize the similarity between different nodes by local and global indices. The common indices include common neighbors (CN) index [6], adamic-adar (AA) index [7], local path (LP) index [8], and resource allocation (RA) index [9].…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Network Adjacency Matrix Blocked-compressive Sensing: A Novel Algorithm for Link Prediction

Cai¹,

Mou²,

Zhang³

et al. 2019

ISI

View full text Add to dashboard Cite

Link prediction for complex networks is a research hotspot. The main purpose is to predict the unknown edge according to the structure of the existing network. However, the edges in realworld networks are often sparsely distributed, and the number of unobserved edges is usually far greater than that of observed ones. Considering the weak performance of traditional link prediction algorithms under the above situation, this paper puts forward a novel link prediction algorithm called network adjacency matrix blocked-compressive sensing (BCS). Firstly, the diagonal blocks were subjected to sparse transformation with the network adjacency matrix; Next, the measurement matrix was rearranged into a new measurement matrix using the sorting operator; Finally, the subspace pursuit (SP) algorithm was introduced to solve the proposed algorithm. Experiments on ten real networks show that the proposed method achieved higher accuracy and consumed less time than the baseline methods.

show abstract

Section: Introductionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Network Adjacency Matrix Blocked-compressive Sensing: A Novel Algorithm for Link Prediction

Cai¹,

Mou²,

Zhang³

et al. 2019

ISI

View full text Add to dashboard Cite

show abstract

“…Os trabalhos que apresentam metodologias detalhadas foram aplicados em diversas áreas do conhecimento como por exemplo, sistemas de suporte à decisão (HONG et al, 2018;MINELGA et al, 2017;GAO et al, 2017a;, pesquisas relacionadas a mineração de dados nas nuvens e com dados oriundos da web (SHEU, 2018;ZHANG et al, 2018;SLAIMI et al, 2017;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;LI-XIONG et al, 2015) SU, 2017;GAO et al, 2017a;MAKINO;KATO;TANIMOTO, 2017;XING, 2016;SHEN, 2016;RUSH et al, 2016;CARVALHO;REZENDE, 2016;SIMARD;ST-PIERRE;BISKRI, 2016;ZHENWEI;LINGYUN;LIZHU, 2016;WILKE et al, 2016;USMAN;USMAN, 2016;DU et al, 2015;YANG, 2015;LI-XIONG et al, 2015;CARVALHO, 2014;BARALIS et al, 2013;DING et al, 2013;PETELIN et al, 2013;GAMA;FERREIRA, 2012). Para extração das regras, os Grafos foram utilizados como estruturas de apoio para que os itemsets fossem formados e as medidas de suporte e confiança calculados.…”

Section: Resultsunclassified

“…Nas tarefas de análise exploratória vários tipos de Redes foram utilizadas, bem como a forma na qual cada uma delas se apresentou ANAND;VINODCHANDRA, 2018;SU, 2017;Özgür Cingiz;BIRICIK;DIRI, 2017;KIM et al, 2017;INDHUMATHY;NABHAN;ARUMUGAM, 2017;CAI et al, 2017;NAMAKI et al, 2017;SHA, 2017;ADARICHEVA;NATION, 2017;SHIN, 2017;GAO et al, 2017b;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;BELYI et al, 2016;SHEN, 2016;XU, 2016;WILKE et al, 2016;DASGUPTA;SAHA, 2016;RAWAT et al, 2016;ABAY;MUTLU;KARAGOZ, 2016;DU et al, 2015;YANG, 2015;HENDRICKX et al, 2015;NADI et al, 2014;RANJAN;VAISH;COULL, 2014;ZHAI;PEDRYCZ, 2012;MORE et al, 2011;VEDULA;THATAVARTI, 2011).…”

Section: Resultsunclassified

“…Os Grafos foram utilizados em todas as fases de mineração como pré-processamento(ZHANG et al, 2018;KIM et al, 2017;SLAIMI et al, 2017;ABAY;MUTLU;KARAGOZ, 2016;XU, 2016;SHEN, 2016; HENDRICKX et al, 2015; ACHARYA; MAHALI; MOHAPATRA, 2015; CHOOBDAR; SILVA; RIBEIRO, 2011), extração (WANG; XU, 2018; Figura 22 -Mapa de resultados da combinação das questões de pesquisa Fonte: Elaborada pelo autor. INDHUMATHY; NABHAN;ARUMUGAM, 2017;NAMAKI et al, 2017;ADARICHEVA;NATION, 2017;SHIN, 2017;YU et al, 2017;GUO; RAWAT et al, 2016;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;NADI et al, 2014;RANJAN;VAISH;COULL, 2014;NGUYEN et al, 2013; RAJPUT; THAKUR; THAKUR, 2012; AL-KHASSAWNEH; BAKAR; ZAINUDIN, 2012; ALZOUBI; OMAR; BAKAR, 2011) e pós-processamento…”

unclassified

See 1 more Smart Citation

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

Este trabalho é dedicado à minha família em todos os planos da vida AGRADECIMENTOS Agradecimentos são sempre feitos de forma simples e direta citando nomes e elementos de uma forma geral que contribuíram com este trabalho. Farei um pouco diferente, pois são nas diferenças que percebemos o quanto a nossa vitória realmente compensou.Dizer que agradeço a Deus é muito pouco diante de tamanha dívida que possuo com o criador. Graças a Ele, tive e tenho a oportunidade de usufruir de uma reencarnação repleta de aprendizados, sendo a conclusão deste trabalho de grande importância em minha vida. Não tendo realmente outras palavras, simplesmente digo OBRIGADO SENHOR! Muito mais que uma orientadora, uma amiga e quase uma mãe, acima de tudo alguém que confiou em mim, no meu potencial. Ela me motivou desde o início, mesmo antes de saber que seria minha orientadora, e continua me inspirando a seguir firme, em frente, e a sempre "defender meu cinturão" após o doutorado. Prof a Solange Rezende, obrigado pela veracidade e pelo norteamento de minha vida acadêmica e pessoal, tornando-me um cientista da computação de verdade e um ser humano melhor.Agradecer a todos que contribuíram diretamente com os experimentos e estudos. Meu amigo Renan pelo tempo compartilhado em várias conversas e debates nos estudos de Mineração de Regras de Associação. Minhas "protetoras" Ivone, Roberta e Camila que me auxiliaram em tantas oportunidades, não só com orientações e sugestões sobre o trabalho, mas também sobre aspectos de minha vida pessoal.Agradecer aos demais membros da equipe SOL que tive o prazer de conviver. João Antunes, Ricardo Scheicher, Ricardo Marcacini, Vítor e Dildre, além dos outros que contribuíram bastante comigo, mesmo sem saber. Agradecer a todos do LABIC, na pessoa dos professores Alneu e Gustavo, e de todos seus orientandos, por me acolherem tão bem e me ensinarem que para crescer profissionalmente a gente DEVE compartilhar.Meu muito obrigado aos professores do Programa de Pós-graduação em Ciências da Computação e Matemática Computacional da USP em São Carlos pela paciência a mim direcionada e pelas disciplinas fundamentais em minha formação, destaco o Professor Cláudio Toledo que se tornou um parceiro de pesquisa e um amigo para o resto da vida. A todos os funcionários da USP que eu tanto "perturbei", muito obrigado! Emano gratidão a todos que coordenaram esse programa durante a minha passagem, em especial ao professor Ades que muitas vezes pareceu que estava atendendo a um parente próximo bem querido quando eu a ele me dirigia para tirar dúvidas e principalmente pedir ajuda. Ajuda que nunca foi negada.Às vezes agradecemos pela realização de sonhos, principalmente àqueles que nem sabíamos que poderiam ser realizados, por isso agradeço à UESPI e à USP-São Carlos por possibilitarem que eu fizesse um doutorado na melhor Universidade da América Latina, e ainda com nota 7 da CAPES, algo inimaginável para mim.Agradecimento a todos os meus colegas de DINTER, que mesmo sem a possibilidade de convivermos durante todo o processo do douto...

show abstract

Graph Analysis with Multifunctional Self‐Rectifying Memristive Crossbar Array

et al. 2023

View full text Add to dashboard Cite

Many big data have interconnected and dynamic graph structures growing over time. Analyzing these graphical data requires the hidden relationship between the nodes in the graphs to be identified, which has conventionally been achieved by finding the effective similarity. However, graphs are generally non‐Euclidean, which does not allow finding it. In this study, the non‐Euclidean graphs are mapped to a specific crossbar array (CBA) composed of self‐rectifying memristors and metal cells at the diagonal positions. The sneak current, an intrinsic physical property in the CBA, allows for the identification of the similarity function. The sneak‐current‐based similarity function indicates the distance between the nodes, which can be used to predict the probability that unconnected nodes will be connected in the future, connectivity between communities, and neural connections in a brain. When all bit lines of the CBA are connected to the ground, the sneak current is suppressed, and the CBA can be used to search for adjacent nodes. This work demonstrates the physical calculation methods applied to various graphical problems using the CBA composed of the self‐rectifying memristor based on the HfO2 switching layer. Moreover, such applications suffer less from the memristors’ inherent issues related to their stochastic nature.

show abstract

Presenting new collaborative link prediction methods for activity recommendation in Facebook

Cited by 25 publications

References 23 publications

Network Adjacency Matrix Blocked-compressive Sensing: A Novel Algorithm for Link Prediction

Network Adjacency Matrix Blocked-compressive Sensing: A Novel Algorithm for Link Prediction

Redes de regras de associação filtradas e multialvo

Graph Analysis with Multifunctional Self‐Rectifying Memristive Crossbar Array

Contact Info

Product

Resources

About