10.19678/j.issn.1000-3428.0048755
基于遍历约束与交互信息增强的社交网络表征算法
传统网络表征方法将网络的拓扑结构转换为邻接矩阵以进行特征提取,在准确率和效率上存在局限性.为此,通过分析自然语言处理模型word2vec和多种网络表征算法,结合社交网络的特征,提出一种基于遍历约束和交互信息的社交网络表征算法.对社交网络遍历进行约束以提高算法的时间效率,利用用户交互信息修改word2vec模型,提高社交网络表征的准确率.在BlogCatalog和新浪微博2个社交网络数据集上进行的实验结果表明,相对DeepWalk、Line算法,该算法在时间效率上提高约20%,在准确率上提高约12%.
特征学习、网络遍历、自然语言处理、交互信息、社交网络、网络表征
44
TP393(计算技术、计算机技术)
国家高技术研究发展计划2014AA015204;山西省自然科学基金2014011022-1
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
215-221