融合节点描述属性信息的网络表示学习算法

融合节点描述属性信息的网络表示学习算法

论文摘要

为融合节点描述信息提升网络表示学习质量,针对社会网络中节点描述属性信息存在的语义信息分散和不完备性问题,提出一种融合节点描述属性的网络表示(NPA-NRL)学习算法。首先,对属性信息进行独热编码,并引入随机扰动的数据集增强策略解决属性信息不完备问题;然后,将属性编码和结构编码拼接作为深度神经网络输入,实现两方面信息的相互补充制约;最后,设计了基于网络同质性的属性相似性度量函数和基于SkipGram模型的结构相似性度量函数,通过联合训练实现融合语义信息挖掘。在GPLUS、OKLAHOMA和UNC三个真实网络数据集上的实验结果表明,和经典的DeepWalk、TADW(Text-Associated DeepWalk)、UPP-SNE(User Profile Preserving Social Network Embedding)和SNE(Social Network Embedding)算法相比,NPA-NRL算法的链路预测AUC(Area Under Curve of ROC)值平均提升2.75%,节点分类F1值平均提升7.10%。

论文目录

  • 0 引言
  • 1 相关工作
  • 2 结合节点描述属性信息的网络表示学习
  •   2.1 相关定义
  •   2.2 模型框架
  •     2.2.1 数据编码
  •     2.2.2 特征提取
  •     2.2.3 数据解码
  •   2.3 联合训练及其优化算法
  •   2.4 算法时间复杂度分析
  • 3 实验与结果分析
  •   3.1 实验设定
  •     3.1.1 实验数据集
  •     3.1.2 评价任务及其指标
  •       1) 链路预测。
  •       2) 节点分类。
  •     3.1.3 对比算法及其参数设置
  •   3.2 结果分析
  •     3.2.1 链路预测实验分析
  •     3.2.2 节点分类实验分析
  •   3.3 参数敏感性分析
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 刘正铭,马宏,刘树新,李海涛,常圣

    关键词: 节点描述属性信息,信息融合,网络表示学习,深度学习,复杂网络

    来源: 计算机应用 2019年04期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学,自动化技术

    单位: 国家数字交换系统工程技术研究中心

    基金: 国家自然科学基金资助项目(61521003,61803384)~~

    分类号: TP181;O157.5

    页码: 1012-1020

    总页数: 9

    文件大小: 561K

    下载量: 258

    相关论文文献

    • [1].动态更新属性值变化时的最优粒度[J]. 小型微型计算机系统 2020(10)
    • [2].基于属性值和上下文的开放数据相同属性识别[J]. 情报理论与实践 2017(11)
    • [3].桥梁专业[J]. 铁路技术创新 2018(04)
    • [4].隧道专业[J]. 铁路技术创新 2018(04)
    • [5].轨道专业[J]. 铁路技术创新 2018(04)
    • [6].路基专业[J]. 铁路技术创新 2018(04)
    • [7].站场专业[J]. 铁路技术创新 2018(04)
    • [8].信号专业[J]. 铁路技术创新 2018(04)
    • [9].电力专业[J]. 铁路技术创新 2018(04)
    • [10].牵引变电专业[J]. 铁路技术创新 2018(04)
    • [11].接触网专业[J]. 铁路技术创新 2018(04)
    • [12].环境保护专业[J]. 铁路技术创新 2018(04)
    • [13].机务专业[J]. 铁路技术创新 2018(04)
    • [14].景观专业[J]. 铁路技术创新 2018(04)
    • [15].自然灾害及异物侵限监测专业[J]. 铁路技术创新 2018(04)
    • [16].土地利用专业[J]. 铁路技术创新 2018(04)
    • [17].“标准属性值”理论与同义异素形容词研究[J]. 赤峰学院学报(汉文哲学社会科学版) 2013(05)
    • [18].属性值加权的一依赖估测器模型分类算法研究[J]. 计算机工程 2020(11)
    • [19].基于模糊规则的随机缺失属性值数据分类算法[J]. 吉林大学学报(理学版) 2019(01)
    • [20].面向主属性值的类标特征分析[J]. 东北大学学报(自然科学版) 2016(10)
    • [21].给排水专业[J]. 铁路技术创新 2018(04)
    • [22].多标签符号型属性值划分的聚类方法[J]. 山东大学学报(理学版) 2020(03)
    • [23].植物属性地理的研究进展与展望[J]. 地理科学进展 2018(01)
    • [24].一种新的决策表属性值分类方法[J]. 苏州科技学院学报(自然科学版) 2016(01)
    • [25].面向属性值遗漏数据决策树分类算法研究[J]. 计算机科学 2011(10)
    • [26].基于元性质的数量型属性值自动提取系统的实现[J]. 计算机研究与发展 2010(10)
    • [27].信息专业[J]. 铁路技术创新 2018(04)
    • [28].一种区间属性值离散化的新方法[J]. 宇航学报 2009(03)
    • [29].基于统计学法则的连续属性值划分方法[J]. 科学技术与工程 2018(16)
    • [30].面向个体和敏感属性值的匿名数据发布[J]. 计算机应用与软件 2012(06)

    标签:;  ;  ;  ;  ;  

    融合节点描述属性信息的网络表示学习算法
    下载Doc文档

    猜你喜欢