闭回路采样的网络结点特征学习方法
小型微型计算机系统(2017)
摘要
近年来,由于网络数据规模膨胀而导致传统的网络挖掘模型效率低下的现象,使得网络嵌入模型成为当前社会网络分析的热点.不同于以往模型的随机采样方式,本文考虑闭合回路机制对结点采样序列的影响,提出一种闭回路采样的网络嵌入模型,能够将大规模网络中结点的结构特征映射到连续的、低维度的向量空间.这样学习到的结点特征向量能够更好地反应网络的真实结构特性,并且可以很容易地应用到网络数据挖掘的分类、推荐和预测等任务.本文选取3个真实网络数据集进行多标签分类和聚类的实验,并与多个最新的基准方法对比,结果验证了该方法能够学习到更好的结点特征向量.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络