收藏本站
《小型微型计算机系统》 2017年09期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

闭回路采样的网络结点特征学习方法

刘世超  朱福喜  
【摘要】:近年来,由于网络数据规模膨胀而导致传统的网络挖掘模型效率低下的现象,使得网络嵌入模型成为当前社会网络分析的热点.不同于以往模型的随机采样方式,本文考虑闭合回路机制对结点采样序列的影响,提出一种闭回路采样的网络嵌入模型,能够将大规模网络中结点的结构特征映射到连续的、低维度的向量空间.这样学习到的结点特征向量能够更好地反应网络的真实结构特性,并且可以很容易地应用到网络数据挖掘的分类、推荐和预测等任务.本文选取3个真实网络数据集进行多标签分类和聚类的实验,并与多个最新的基准方法对比,结果验证了该方法能够学习到更好的结点特征向量.
【作者单位】武汉大学计算机学院;汉口学院计算机科学与技术学院;
【关键词】网络嵌入 闭回路采样 特征学习
【基金】:国家自然科学基金项目(61272277)资助 中央高校基本科研业务费专项基金项目(274742)资助
【分类号】:O157.5
【正文快照】:
1引言近年来,网络的向量化学习逐渐成为学者们关注的研究热点.区别于传统的网络挖掘方法,网络嵌入模型能够将大规模网络中结点的结构特征映射到连续的、低维度的向量空间.这样网络中每个结点都用一个固定长度的向量表示,通过定义特定的度量函数(如欧式距离)可以得出具有相似特

中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026