-
题名基于自编码器的多视图属性网络表示学习模型
被引量：4
- 1
-
-
作者
樊玮
王慧敏
邢艳
-
机构
中国民航大学计算机科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第4期1064-1070,共7页
-
基金
中央高校基本科研业务费专项资金资助项目(3122018C020)。
-
文摘
现有的大多数网络表示学习方法很难兼顾网络中丰富的结构信息和属性信息,导致其后续任务,如分类、聚类等的效果不佳。针对此问题,提出一种基于自编码器的多视图属性网络表示学习模型(AE-MVANR)。首先,将网络的拓扑结构信息转化为拓扑结构视图(TSV),通过计算节点间相同属性共现频率来构造属性结构视图(ASV);然后,在两个视图上分别利用随机游走算法得到若干节点序列;最后,经过自编码器训练得到的序列,从而得到融合了结构信息和属性信息的节点表示向量。在几个真实数据集上进行了分类、聚类任务的大量实验,结果表明,所提AEMVANR优于常用的仅基于网络结构的和同时基于网络结构信息及节点属性信息的网络表示学习方法,具体来说该模型的分类准确率最高提升43.75%,而其聚类结果的标准化互信息(NMI)和轮廓系数(Silhouette Coefficient)指标最高增幅分别为137.95%和1 314.63%,戴维森堡丁指数(DBI)最大降幅达45.99%。
-
关键词
网络表示学习
网络嵌入
节点表示向量
多视图属性网络
自编码器
-
Keywords
network representation learning
network embedding
node representation vector
multi-view attributed network
auto-encoder
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向动态交通流多步预测的时空图模型
被引量：1
- 2
-
-
作者
杨平
李成鑫
刘宜成
吕淳朴
-
机构
四川大学电气工程学院
清华大学自动化系
-
出处
《计算机工程与设计》
北大核心
2024年第4期1195-1201,共7页
-
基金
四川大学-泸州战略合作基金项目(2020CDLZ-4)。
-
文摘
为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入特征共同构建三维嵌入邻接张量,用于捕获时空依赖关系;在图卷积网络中添加自适应更新机制,利用循环组件演化图卷积网络的参数,以捕获图序列的动态性。将所提模型应用于基于真实交通数据集的交通流预测,结果验证了其有效性和提取路网隐式关系的准确性。
-
关键词
交通流预测
时空数据嵌入
深度游走算法
节点向量表示
时空依赖
动态图卷积
自适应更新机制
-
Keywords
traffic flow forecasting
spatio-temporal data embedding
deepwalk algorithm
node vector representation
spatio-temporal dependence
dynamic graph convolution
self-adapting updating mechanism
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
