基于广义主题的朴素贝叶斯模型用于复杂网络中的符号预测

本文通过结合节点异质性，解决了传统的基于主题的朴素贝叶斯模型在有符号网络符号预测中的局限性。所提出的框架，特别是基于特征的广义主题朴素贝叶斯 (FGMNB) 模型，与最先进的基于嵌入的基线相比，表现出优越的性能。对局部结构模式的关注以及数据集特定预测主题的识别是关键贡献。

• •提出了一个用于有符号网络中符号预测的广义框架。
• •对节点异质性进行建模以提高性能。
• •FGMNB 模型优于最先进的基线。
• •强调了局部结构模式和数据集特定主题的重要性。