期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于传播概率矩阵的异构信息网络表示学习 被引量:4
1
作者 赵廷廷 王喆 卢奕南 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2019年第3期548-554,共7页
根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确... 根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确率,用聚类指标标准化互信息(NMI)评价聚类效果,用T-SNE展现可视化效果.在数据集DBLP和AMiner上分别进行实验,相比DeepWalk、node2vec和metapath2vec方法,在应用任务节点分类上,所提出的基于传播概率矩阵的异构信息网络表示学习(HINtpm)的准确率与DeepWalk相比最高提升了24%,聚类指标NMI与DeepWalk相比最高提升了13%. 展开更多
关键词 网络表示学习 异构信息网络(HIN) 传播概率矩阵 元路径 节点相似性 自动编码器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部