资料下载
×
基于端到端分布式框架的符号网络预测方法
消耗积分:3 |
格式:rar |
大小:1.03 MB |
2017-12-18
分享资料个
社交网络中的链接关系根据其潜在含义可分为正关系和负关系．若对网络中的链接关系进行正负标注，则可形成一个符号网络．符号网络在社会学、信息学、生物学等多个领域存在广泛应用．针对符号网络中链接关系的正负预测已经成为当前研究的热点之一．在大数据背景下，随着符号网络规模的日益增大，符号预测算法的可伸缩性问题日益突出．一些研究者提出了分布式环境下的符号预测方法，使得算法的可伸缩性问题部分得到缓解．但由于大多数算法采用了服务器一客户端方式的分布式框架，导致问题并没有得到根本上的解决．本文提出了一种新的端到端分布式框架（Client to Client Distributed FrameWork，简称C2CDF），相比传统服务器一客户端架构的集中通信模式，C2CDF各个节点间地位平等，不存在集中通信，集群的带宽瓶颈和压力大大减轻．通过在社交网络正负符号预测、广告点击率预测及森林类型预测等三个不同真实数据集上的实验证明，C2CDF能够在拥有更高准确性的同时，获得2.3-3.3倍的加速比，而且拥有良好的泛化性，不仅能应用在社交网络正负符号预测方面，也能作用于广告点击预测等其他领域。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
