首页|基于深度度量学习的网络缺失节点检测研究

基于深度度量学习的网络缺失节点检测研究

Research on Detection of Missing Nodes in Network Based on Deep Metric Learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
鉴于现实中存在权限设置,获取数据成本过高等因素,大多数收集到的网络仅为完整网络的局部,检测缺失的节点是处理网络不完整问题的有效途径之一.网络缺失节点的检测是一个复杂的问题,因为其不仅需要判断网络是否缺失了节点,还需要分析与缺失节点相关的边.于是提出了基于度量学习的网络缺失节点检测模型(MND-M),它利用图卷积神经网络分别学习两个样本,学习的结果用于预测每组样本内是否缺失了节点,并利用度量学习方法比较一对样本嵌入的相似度,判断它们缺失的节点是否为同一个.模型在完整网络中构造了样本数据及标签来训练模型,帮助其获得缺失节点检测的能力.在4个数据集上进行了实验,结果表明MND-M能有效检测出网络中节点,获得较高的准确率和F1值.

刘臣、邵颖、周立欣

展开 >

上海理工大学管理学院 上海 200093

度量学习 图卷积神经网络 缺失节点 网络数据 深度学习

上海市哲学社会科学规划项目

2021BTQ003

2022

10.3969/j.issn.1672-9722.2022.11.031

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(11)
  • 3