一种基于NetSim-TL的多源迁移学习标签流行性预测模型的构建方法

摘要

一种基于NetSim‑TL的多源迁移学习标签流行性预测模型的构建方法，包括以下步骤：(1)计算网络的结构相似性，根据WL图核方法，分别计算源领域和目标领域网络结构之间的相似性大小；(2)构建单源迁移学习的基学习器，利用基本的机器学习方法支持向量机分别构建多源迁移学习的基学习器；(3)构建多源迁移学习模型框架，根据不同源领域与目标领域之间的相似性大小，对多个基学习器进行加权，得出基于网络结构相似性的多源迁移学习标签流行性预测模型框架。本发明提出了利用社区网络结构之间的相似性来作为不同领域社区之间迁移学习模型的权重，进行多源迁移学习模型的构建，在跨社区的标签流行性发展趋势预测上具有较好的效果。