首页|一种融合伴随信息的网络表示学习模型

一种融合伴随信息的网络表示学习模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
网络表示学习被认为是提高信息网络分析效率的关键技术之一,旨在将网络中每个节点映射为低维隐空间中的向量表示,并使这些向量高效的保持原网络的结构和特性.近年来,大量研究致力于网络拓扑和节点属性的深度挖掘,并在一些网络分析任务中取得了良好应用效果.事实上,在这两类关键信息之外,真实网络中广泛存在的伴随信息,反映了网络中复杂微妙的各种关系,对网络的形成和演化起着重要作用.为提高网络表示学习的有效性,提出了一种能够融合伴随信息的网络表示学习模型NRLIAI.该模型以变分自编码器(VAE)作为信息传播和处理的框架,在编码器中利用图卷积算子进行网络拓扑和节点属性的聚合与映射,在解码器中完成网络的重构,并融合伴随信息对网络表示学习过程进行指导.该模型克服了现有方法无法有效利用伴随信息的缺点,同时具有一定的生成能力,能减轻表示学习过程中的过拟合问题.在真实网络数据集上,通过节点分类和链路预测任务对NRLIAI模型与几种现有方法进行了对比实验,实验结果验证了该模型的有效性.
Network Representation Learning Model Integrating Accompanying Information

杜航原、王文剑、白亮

展开 >

山西大学 计算机与信息技术学院,山西 太原 030006

计算智能与中文信息处理教育部重点实验室(山西大学),山西 太原 030006

网络表示学习 伴随信息 变分自编码器(VAE) 图卷积网络(GCN) 互信息

国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金山西省自然科学基金山西省高等学校科技创新项目

6190222762076154U180526361773247201901D2111922019L0039

2023

10.13328/j.cnki.jos.006486

软件学报
中国科学院软件研究所,中国计算机学会

软件学报

CSTPCDCSCD北大核心
影响因子：2.833
ISSN：1000-9825
年,卷(期)：2023.34(6)
  • 2