关键词：人工智能其他学科 网络嵌入 聚类 半监督 区分性 

摘要：GEMSEC(graph embedding with self clustering)在计算节点特征的同时学习节点聚类,通过强制将节点进行聚类来揭露网络中的社区结构,但未考虑类别标签信息,导致学到的节点嵌入缺乏区分性。针对这一问题,提出了一种基于半监督聚类的网络嵌入方法(NESSC),将随机游走序列和少量节点类别标签作为输入,在计算节点特征和学习节点k-means聚类的过程中,利用类别标签信息指导聚类过程,同时重构已知节点类别标签信息,学习具有区分性的节点表示。在6个真实网络上进行节点聚类和节点分类评测实验,实验结果显示,NESSC方法明显优于无监督网络嵌入方法DeepWalk和GEMSEC,可以通过加入节点的标签信息来提高网络嵌入的效果。因此,通过网络节点的嵌入,可以高效地提取网络的有用信息,对于相关网络嵌入研究具有一定的参考价值。

河北工业科技杂志要求:

{1}参考文献：只列出在正文中被引用过的、新的、重要的、正式发表的文献资料，数量不应少于5条。采用顺序编码制。

{2}来稿内容题材新颖、结构严谨、文字凝练、阐论精辟，有一定理论水平和学术价值。

{3}来稿无论是否录用，一律不退稿，请自留底稿。如来稿6个月后未被录用，作者可自行处理稿件。切勿一稿多投。稿件严禁抄袭或剽窃行为，如有之，一切后果由作者自负。

{4}文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。

{5}关键词尽量使用MeSH词汇，或从文题、摘要、正文中选取与本文研究或讨论中的中心问题有关和必要的词。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社