基于同质子图变换的异质网络表示学习

论文摘要

目前针对信息网络的研究多数基于同质网络,关于异质信息网络的网络表示学习研究相对较少。为此,提出一种结合不同元路径将异质信息网络转化成带权同质子图的网络表示学习算法。基于不同元路径在同类节点间构建带权重的连边,从异质网络中抽取出带权同质子图,通过带偏置的随机游走方式得到同类节点序列,并利用Skip-gram模型生成该类节点的表示向量。实验结果表明,与只考虑单一路径的算法相比,该算法处理节点分类、相似性搜索等数据挖掘任务时均能得到较好的效果。

论文目录

• 0 概述
• 1 相关工作
• 2 异质信息网络中的基本定义
• 3 基于同质子图的异质信息网络表示学习
•   3.1 模型架构
•   3.2 带权同质子图的构建
•   3.3 基于带权同质子图的表示学习
• 4 实验与结果分析
•   4.1 度量标准
•   4.2 数据集
•   4.3 单一元路径和多重元路径对算法性能的影响
•   4.4 不同元路径权重对实验结果的影响
•   4.5 节点分类效果对比
•   4.6 参数敏感性分析
•   4.7 相似性搜索
• 5 结束语

文章来源

类型: 期刊论文

作者: 尹赢,吉立新,程晓涛,黄瑞阳,刘正铭

关键词: 网络表示学习,异质网络,元路径,同质子图,随机游走,模型

来源: 计算机工程 2019年11期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 国家数字交换系统工程技术研究中心

基金: 国家自然科学基金创新群体项目(61521003)

分类号: O157.5;TP181

DOI: 10.19678/j.issn.1000-3428.0052645

页码: 204-212

总页数: 9

文件大小: 972K

下载量: 92