TY - Jour Au - Yuan，Weiwei Au - Pang，Jiali Au - Guan，Donghai Au - Tian，Yuan Au - Al-Dhelaan，Abdullah Au - Al-Dhelaan，穆罕默德PY - 2019 DA - 2019/02/14 Ti - 标志使用分支和绑定优化传输学习的未标记的社交网络预测SP - 4906903 VL - 2019 AB - 符号预测问题旨在预测签名网络的链接迹象。目前它已广泛用于各种应用。由于标记数据的不足，已经采用转移学习来利用辅助数据来改善目标域中迹象的预测。现有作品遭受了两个限制。首先，如果没有可用的目标标签，他们无法工作。其次，由于其客观函数的解决方案不是全球最佳解决方案，因此不能保证其泛化性能。为解决这些问题，我们向使用分支和绑定优化传输学习（SP_BBTL）标志预测模型提出了对未标记的社交网络的新标志预测。SP_BBTL的主要思想是使用目标特征向量基于关系投影来重建源域特征向量，这是一个复杂的最佳问题，并且通过基于分支的建议优化来解决，可以获得全局最佳解决方案。使用此设计，分类器不需要目标域标签信息。 Finally, the experimental results on the large scale social signed networks validate the superiority of the proposed model. SN - 1076-2787 UR - https://doi.org/10.1155/2019/4906903 DO - 10.1155/2019/4906903 JF - Complexity PB - Hindawi KW - ER -