購物車(0)
基于鄰節點和關系模型優化的網絡表示學習
關鍵詞：網絡表示學習 網絡嵌入 網絡表示 節點向量 網絡特征學習
摘要：網絡表示學習旨在于將網絡的拓撲結構、節點內容和其他信息嵌入到低維度的向量空間中,從而為網絡數據挖掘、鏈路預測和推薦系統提供一種有效的工具.然而,現有的基于神經網絡的表示學習算法即忽略了上下文節點的位置信息,又忽略了節點與文本之間的語義關聯.因此,基于以上2點,提出了一種新穎的基于鄰節點和關系模型優化的網絡表示學習算法(network representation learning algorithm using the optimizations of neighboring vertices and relation model,NRNR).首先,該算法首次采用當前節點的鄰居節點優化網絡表示學習模型,使得上下文窗口中節點的位置信息被嵌入到網絡表示中;其次,該算法首次引入知識表示學習中的關系模型建模節點之間的結構特征,使得節點之間的文本內容以關系約束的形式嵌入到網絡表示中;再次,NRNR提出了一種可行且有效的網絡表示聯合學習框架,將上述2種目標融入到一個統一的優化目標函數中.實驗結果表明:NRNR算法在網絡節點分類任務中優于各類對比算法,在網絡可視化中,NRNR算法學習得到的網絡表示展現出了明顯的聚類邊界.
計算機研究與發展雜志要求:
{1}摘要200字左右，應具有獨立性和自明性，闡明撰寫該文的目的、方法、結論并體現出原創性，不加引注。
{2}來稿請恪守學術道德，嚴禁抄襲。
{3}來稿經審查后,編輯部有權對來稿作適當文字修改.來稿不退,請作者自留底稿。
{4}間接引文通常以“參見”或“詳見”等引領詞引導，反映出與正文行文的呼應，標注時應注出具體參考引證的起止頁碼或章節。標注項目、順序與格式同直接引文。
{5}本期刊的文獻引證方式均采用頁下注（腳注），采用小五號宋體，每頁單獨編號，注釋中卷次、出版時間、刊期、頁碼一律用阿拉伯數字表示。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
