基于同质子图变换的异质网络表示学习

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.

关键词：网络表示学习、异质网络、元路径、同质子图、随机游走、Skip-gram模型

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金创新群体项目61521003

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：204-212