人工智能-项目实践-社交网络-社交网络中的链路预测算法
社交网络上的链路预测实验
本项目代码包含以下几个链路预测算法：
Variational Graph Auto-Encoders：一种用于图上无监督学习的端到端可训练卷积神经网络模型，也是本论文所研究的主要方向。
Node2Vec：一种基于skip-gram模型的方法，用于学习给定图内随机游走的节点嵌入。
Spectral Clustering：使用谱嵌入从邻接矩阵创建节点表示。
基线方法：Adamic-Adar， Jaccard Coefficient,，Preferential Attachment
环境依赖包
Python 3.6.6
tensorflow 1.12.0
networkx 2.2
scipy 1.2.1
scikit-learn 0.20.2
pandas 0.24.0
gensim 3.7.1
matplotlib 3.0.3 系统安装配置好Python环境后，可使用python setup.py install 安装依赖。
2022-06-29 18:05:27
33.93MB
突发话题传播建模与预测的主要目的是对网络中可能产生不良影响的、紧急性突发事件的后续传播进行控制。目前微博网络中的话题传播与预测研究尚处于起步阶段。通过对病毒传染模型、消息传播模型以及话题传播模型的深入研究，提出一种基于微博粉丝关系、用户活跃度和影响力的话题传播模型，将微博用户集合划分为感染用户、易染用户和免疫用户，分析感染用户和易染用户的粉丝关系，预测下个时间窗口内被感染的用户规模。沿用话题传播模型研究中的“内外场强”概念，通过研究发现“内场强”和“外场强”有特定的比例关系，基于用户群的规模大小，分别提出基于用户和节点规模的话题传播预测算法。相关实验表明，基于用户的算法预测更为准确但是时间复杂度较高，基于节点规模的算法则更适合大规模数据集的处理。
2022-06-21 13:02:02
659KB
1
学习者表现预测算法的简单而高效的实现：
设置
创建一个新的conda环境，安装和其余要求：
conda create python==3.7 -n learner-performance-prediction
conda activate learner-performance-prediction
pip install -r requirements.txt
conda install pytorch==1.2.0 torchvision==0.4.0 -c pytorch
该代码支持以下数据集：
（assistments09）
（assistments12）
（assistments15）
（assistments17）
（bridge_algebra06）
（algebra05）
（西班牙语）
（静电）
数据集
＃个用户
＃ 项目
＃技能
＃互动
2022-06-03 16:06:02
90.04MB
1