期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:网络表示学习 网络嵌入 网络表示 节点向量 网络特征学习
摘要:网络表示学习旨在于将网络的拓扑结构、节点内容和其他信息嵌入到低维度的向量空间中,从而为网络数据挖掘、链路预测和推荐系统提供一种有效的工具.然而,现有的基于神经网络的表示学习算法即忽略了上下文节点的位置信息,又忽略了节点与文本之间的语义关联.因此,基于以上2点,提出了一种新颖的基于邻节点和关系模型优化的网络表示学习算法(network representation learning algorithm using the optimizations of neighboring vertices and relation model,NRNR).首先,该算法首次采用当前节点的邻居节点优化网络表示学习模型,使得上下文窗口中节点的位置信息被嵌入到网络表示中;其次,该算法首次引入知识表示学习中的关系模型建模节点之间的结构特征,使得节点之间的文本内容以关系约束的形式嵌入到网络表示中;再次,NRNR提出了一种可行且有效的网络表示联合学习框架,将上述2种目标融入到一个统一的优化目标函数中.实验结果表明:NRNR算法在网络节点分类任务中优于各类对比算法,在网络可视化中,NRNR算法学习得到的网络表示展现出了明显的聚类边界.
计算机研究与发展杂志要求:
{1}摘要200字左右,应具有独立性和自明性,阐明撰写该文的目的、方法、结论并体现出原创性,不加引注。
{2}来稿请恪守学术道德,严禁抄袭。
{3}来稿经审查后,编辑部有权对来稿作适当文字修改.来稿不退,请作者自留底稿。
{4}间接引文通常以“参见”或“详见”等引领词引导,反映出与正文行文的呼应,标注时应注出具体参考引证的起止页码或章节。标注项目、顺序与格式同直接引文。
{5}本期刊的文献引证方式均采用页下注(脚注),采用小五号宋体,每页单独编号,注释中卷次、出版时间、刊期、页码一律用阿拉伯数字表示。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社