来源:《科技经济导刊》2019年第28期  作者:张志敏;张静;
选择字号

基于去噪自编码的属性网络表征学习算法

收藏本文  分享

网络表征学习能够更高效地提取网络中有用信息以进一步进行其他任务分析。当前大多数网络既包含网络拓扑信息,又包含跟节点相关的语义信息和标签信息,如何将这些信息有效整合到一起对信息挖掘有重要影响。针对此问题提出了一个基于去噪自编码的属性网络表征学习算法DANRL(Attribute Network Representation Learning Based on Denoising AutoEncoder),首先根据部分标签信息获得断链矩阵,然后将邻接矩阵、断链矩阵、二阶邻居矩阵、属性相似度矩阵整合到一起,最后将整合后的向量喂给去噪自编码器以获得低维嵌入向量。最后,将该算法与当前主流的5个算法进行对比,实验结果表明,DANRL算法比当前主流的最优算法的NMI值平均提高7.07%。(本文共计2页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>