期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络的链接表示及预测方法
被引量：
8
1
作者
张林
程华
房一泉
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2018年第3期552-559,共8页
针对节点全局表示和链接局部拓扑关系,提出链接序列化表示及卷积神经网络(CNN)提取序列特征的链接预测方法.研究节点间的局部拓扑及共邻关系,基于共邻紧密度构建链接局部拓扑的有序节点序列,并用node2vec节点向量表达生成潜在链接的矩...
针对节点全局表示和链接局部拓扑关系,提出链接序列化表示及卷积神经网络(CNN)提取序列特征的链接预测方法.研究节点间的局部拓扑及共邻关系,基于共邻紧密度构建链接局部拓扑的有序节点序列,并用node2vec节点向量表达生成潜在链接的矩阵表示;基于CNN建立链接预测的分类模型,采用CNN可变滤波器窗口卷积运算提取序列中共邻与节点对的多层隐含关系,分类训练实现链接的有效预测.在4种大规模网络数据集上的实验结果表明,相比已有方法,该方法的AUC值有显著提高,最高达12.4%,稳定性及普适性较强,解决了传统方法对大规模稀疏网络的预测准确率下降问题.
展开更多
关键词
链
接
预测
共邻关系
拓扑序列化
链接表示
卷积神经网络(CNN)
分类模型
在线阅读
下载PDF
职称材料
基于最简子图的链接表示及预测
被引量：
2
2
作者
尚振浩
程华
房一泉
《计算机工程与科学》
CSCD
北大核心
2019年第2期253-259,共7页
稀疏网络的传统链接预测准确率低,为了捕捉稀疏网络节点间建立链接的可能性,提出基于节点间最短路径的最简子图概念。最简子图反映了节点间的拓扑紧密关系,在采用node2vec节点向量化方法的基础之上,实现了基于最短路径的链接表示,并采...
稀疏网络的传统链接预测准确率低,为了捕捉稀疏网络节点间建立链接的可能性,提出基于节点间最短路径的最简子图概念。最简子图反映了节点间的拓扑紧密关系,在采用node2vec节点向量化方法的基础之上,实现了基于最短路径的链接表示,并采取长短期记忆循环神经网络(LSTM)学习长链接节点序列的特征,最终实现链接的分类。实验结果表明,该方法与已有方法相比,在4种不同数据集上的预测AUC值平均提高了11.6%,AP值平均提高了13.3%。
展开更多
关键词
最短路径
最简子图
链接表示
长短期记忆网络(LSTM)
链
接
预测
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的链接表示及预测方法
被引量：
8
1
作者
张林
程华
房一泉
机构
华东理工大学信息科学与工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2018年第3期552-559,共8页
基金
国家自然科学基金资助项目(61501187)
文摘
针对节点全局表示和链接局部拓扑关系,提出链接序列化表示及卷积神经网络(CNN)提取序列特征的链接预测方法.研究节点间的局部拓扑及共邻关系,基于共邻紧密度构建链接局部拓扑的有序节点序列,并用node2vec节点向量表达生成潜在链接的矩阵表示;基于CNN建立链接预测的分类模型,采用CNN可变滤波器窗口卷积运算提取序列中共邻与节点对的多层隐含关系,分类训练实现链接的有效预测.在4种大规模网络数据集上的实验结果表明,相比已有方法,该方法的AUC值有显著提高,最高达12.4%,稳定性及普适性较强,解决了传统方法对大规模稀疏网络的预测准确率下降问题.
关键词
链
接
预测
共邻关系
拓扑序列化
链接表示
卷积神经网络(CNN)
分类模型
Keywords
link prediction
common neighbors' relationship
topology serialization
link representation
convolution neural network(CNN)
classification model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于最简子图的链接表示及预测
被引量：
2
2
作者
尚振浩
程华
房一泉
机构
华东理工大学信息科学与工程学院
出处
《计算机工程与科学》
CSCD
北大核心
2019年第2期253-259,共7页
基金
国家自然科学基金(61501187)
文摘
稀疏网络的传统链接预测准确率低,为了捕捉稀疏网络节点间建立链接的可能性,提出基于节点间最短路径的最简子图概念。最简子图反映了节点间的拓扑紧密关系,在采用node2vec节点向量化方法的基础之上,实现了基于最短路径的链接表示,并采取长短期记忆循环神经网络(LSTM)学习长链接节点序列的特征,最终实现链接的分类。实验结果表明,该方法与已有方法相比,在4种不同数据集上的预测AUC值平均提高了11.6%,AP值平均提高了13.3%。
关键词
最短路径
最简子图
链接表示
长短期记忆网络(LSTM)
链
接
预测
Keywords
shortest path
simplest subgraph
link representation
LSTM
link prediction
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络的链接表示及预测方法
张林
程华
房一泉
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2018
8
在线阅读
下载PDF
职称材料
2
基于最简子图的链接表示及预测
尚振浩
程华
房一泉
《计算机工程与科学》
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
