Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Weighted Dissemination of Bundles in Probabilistic Spray and Wait Routing Protocol Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Enhancing Future Relationship in Social Network Using Semantics Prediction to Predict Links

verfasst von : Snigdha Luthra, Gursimran Kaur, Dilbag Singh

Erschienen in: Advances in Data and Information Sciences

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Currently, social systems have caused a substantial amount of users connecting together over a couple of years, while the link gold mining is certainly a crucial analysis trail in this area. It attracted the factor of some researchers to study and understand the associations between nodes in the social network. The key concern experienced simply by authorities is normally to deal with the problem of new links forming in the network. For this purpose, all of our design and style, a new model entails Internet site survey approaches with semantics to perform hyperlink mining on data parts. To test our model, we use highlighting node degree technique to find out the future relationships between users. Our main focus in link prediction is to predict future links in the network. Our analysis normally focuses on the scoring-based methods and provides latest methodologies which are based on deep learning methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Enhancing Personalized Response to Product Queries Using Product Reviews Incorporating Semantic Information
Nächstes Kapitel Privacy Rights for Digital Assets and Digital Legacy Right for Posterity: A Survey
Literatur
1.
Ijaz, M., Ferzund, J., Suryani, M. A., & Sardar, A. (2018). Social network link prediction using semantics. (IJACSA) International Journal of Advanced Computer Science and Applications, 9(1).
2.
Bengio, Y., Courville, A., & Vincent, P. (2012, January 24). Unsupervised feature learning and deep learning: A review and new perspectives. Department of computer science and operations research.
3.
Ahmed, C., & ElKorany, A. (2015, August 25–28). Enhancing link prediction in Twitter using semantic user attributes. In 2015 IEEE/ACM international conference on advances in social networks analysis and mining (ASONAM). Paris, France: IEEE.
4.
Bahabadi, M. D., Golpayegani, A. H., & Esmaeili, L. (2014, July). A novel C2C E-commerce recommender system based on link prediction: Applying social network analysis. International Journal of Advanced Studies in Computer Science & Engineering (IJASCSE), 3(7).
5.
Colgrove, C., Neidert, J., & Chakoumakos, R. (2011, December 11). Using network structure to learn category classification in wikipedia.
6.
Nowell†, D. L., & Kleinberg‡, J. (2004, January 8). The link prediction problem for social networks. In Proceedings of the Twelfth International Conference on Information and Knowledge Management, CIKM ‘03 (pp. 556–559).
7.
Behnaz, M., & Meybodi, M. R. (2018). Link prediction in weighted social networks using learning automata. Department of Computer Engineering, Amirkabir University of Technology, Elsevier.
8.
Lü, L., & Zhou, T. (2010, March 15). Link prediction in complex networks: A survey. ScienceDirect, 1150–1170.
9.
Ermis, B., Acar, E., & Cemgil, A. T. (2012, August 30). Link prediction via generalized coupled tensor factorisation. arXiv:​1208.​6231v1 [cs.LG].
10.
Gao, F., Musial, K., Cooper, C., & Tsoka, S. (2015). Link prediction methods and their accuracy for different social networks and network metrics. Scientific Programming.
11.
Haghan, S., & Keyvanpour, M. R. (2017). A systemic analysis of link prediction in social network. Springer.
12.
Hasan, M. A., & Zaki, M. J. (2011, March 17). A survey of link prediction in social networks. In Social network data analytics (pp. 243–275). Springer.
13.
Manjula, R., & Srilatha, P. (2016, August). User behavior based link prediction in online social networks. In International conference on inventive computation technologies (ICICT).
Metadaten
Titel
Enhancing Future Relationship in Social Network Using Semantics Prediction to Predict Links
verfasst von
Snigdha Luthra
Gursimran Kaur
Dilbag Singh
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Advances in Data and Information Sciences

Print ISBN: 978-981-15-0693-2

Electronic ISBN: 978-981-15-0694-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0694-9_48

Neuer Inhalt

    Bildnachweise