Descubrimiento potencial de productos relacionados basado en predicción de enlaces
Autores: Wan, Xiaoji; Chen, Fen; Li, Hailin; Lin, Weibin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Descubrimiento potencial de productos relacionados basado en predicción de enlaces
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Método tradicional
Descubrimiento de productos
Predicción de enlaces
Productos relacionados
Reglas de asociación
Resultados experimentales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
El método tradicional de descubrimiento de productos relacionados se centra principalmente en la asociación directa de productos e ignora su conexión indirecta. La predicción de enlaces puede estimar la probabilidad de enlaces entre nodos y predecir los enlaces futuros aún desconocidos. Este artículo propone un método de descubrimiento de productos potencialmente relacionados basado en la predicción de enlaces (PRCD) para predecir la asociación no descubierta. El método primero construye una red con las reglas de asociación binaria descubiertas entre los elementos y utiliza enfoques de predicción de enlaces para evaluar posibles enlaces futuros en la red. Los resultados experimentales muestran que la precisión del método propuesto es mejor que la de los métodos tradicionales. Además, supera a la predicción de enlaces basada en redes neuronales gráficas en algunos conjuntos de datos.
Descripción
El método tradicional de descubrimiento de productos relacionados se centra principalmente en la asociación directa de productos e ignora su conexión indirecta. La predicción de enlaces puede estimar la probabilidad de enlaces entre nodos y predecir los enlaces futuros aún desconocidos. Este artículo propone un método de descubrimiento de productos potencialmente relacionados basado en la predicción de enlaces (PRCD) para predecir la asociación no descubierta. El método primero construye una red con las reglas de asociación binaria descubiertas entre los elementos y utiliza enfoques de predicción de enlaces para evaluar posibles enlaces futuros en la red. Los resultados experimentales muestran que la precisión del método propuesto es mejor que la de los métodos tradicionales. Además, supera a la predicción de enlaces basada en redes neuronales gráficas en algunos conjuntos de datos.