基于邻域信息的网络结构表示学习

摘要：

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节点结构相似度作为监督信息优化网络表示,在网络嵌入过程中学习节点结构信息.与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明,该方法有更好的网络结构识别能力,能学习到节点间的结构相关性,所得到的网络表示能适用于角色识别相关任务.此外,跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.

关键词：结构识别、网络表示学习、网络分析、自编码器、角色识别

所属期刊栏目：60

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20180101036JC

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：343-350