-
题名基于深度自编码的局部增强属性网络表示学习
- 1
-
-
作者
陈嶷瑛
张珊珊
柴变芳
-
机构
河北地质大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第9期2610-2614,共5页
-
基金
国家自然科学基金资助项目(61503260)。
-
文摘
基于深度自编码器的网络表示,可以捕获高度非线性的网络结构,但当链接稀疏时学到的表示不够准确。针对这一问题,提出一种基于深度自编码的局部增强属性网络表示学习模型,以提高表示学习的准确度。该模型首先利用链接与属性特征,采用多个深度自编码器,学习保持网络拓扑结构及属性特征的低维网络表示。之后,基于节点间近邻结构及属性相似性,对学出的低维网络表示进行节点约束,实现网络局部结构增强,达到最大程度保持原始结构信息及属性特征的目的。在五个真实属性网络上的实验结果表明,提出的模型在聚类与分类任务中,效果均优于目前流行的表示学习方法。
-
关键词
网络表示
深度自编码器
属性网络
局部增强网络表示
-
Keywords
network embedding
deep auto-encoder
attribute network
locally enhanced network embedding
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
