首页|融合多层次结构信息的深度属性二分网络表示学习

融合多层次结构信息的深度属性二分网络表示学习

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
网络表示学习旨在将网络中的节点转换到低维向量空间,并保持网络固有属性.现有方法大多针对普通网络,忽略了属性二分网络的特殊性及网络的高度非线性特性等.针对上述问题,首先引入一个扩展权重矩阵融合二分网络显式和携带属性信息的隐式结构;接着提出一种基于深度自编码器的属性二分网络表示学习模型,以捕捉网络的高度非线性特性;通过深度自编码器重构二阶邻近度以保持全局网络结构,同时该编码器利用节点一阶邻近度作为监督信息来保持局部网络结构;最后进行联合优化.将该模型在Yelp、Douban Book、Dou-ban Movie和MovieLens四个数据集上进行推荐任务,结果显示该模型的F1@10、MAP@10、MRR@10和NDGG@10指标在四个数据集上的平均值相较最新基准方法(ABNE)分别提高4.29％、5.63％、6.26％、4.21％.
Deep attributed bipartite network embedding incorporating with multilevel structure information

李婷婷、吕少卿、赵雪莉、任新成

展开 >

西安邮电大学通信与信息工程学院,西安710121

西安邮电大学陕西省信息通信网络及安全重点实验室,西安710121

延安大学陕西省能源大数据智能处理省市共建重点实验室,陕西延安716000

属性二分网络 网络嵌入 高度非线性 深度学习

陕西省能源大数据智能处理省市共建重点实验室开放基金陕西省工业领域一般项目陕西省重点研发计划项目陕西省教育厅科研计划项目

IPBED102020GY-0812018ZDXM-GY-04117JK0703

2021

10.19734/j.issn.1001-3695.2021.04.0104

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 1