10.11896/j.issn.1002-137X.2019.01.018
基于多视图集成的网络表示学习算法
现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习.基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵.另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视图的表示学习;然而,网络本身蕴含有多种视图.因此,文中提出了一种基于多视图集成的网络表示学习算法(M VENR).该算法摈弃了神经网络的训练过程,将矩阵的信息融合和分解思想融入到网络表示学习中.另外,将网络的结构视图、连边权重视图和节点属性视图进行了有效的融合,弥补了现有网络表示学习中忽略了网络连边权重的不足,解决了基于单一视图训练时网络特征稀疏的问题.实验结果表明,所提MVENR算法的性能优于网络表示学习中部分常用的联合学习算法和基于结构的网络表示学习算法,是一种简单且高效的网络表示学习算法.
网络表示学习、网络嵌入学习、复杂网络编码学习、网络可视化、表示学习
46
TP391(计算技术、计算机技术)
国家自然科学基金支持项目61663041,61763041;长江学者和创新研究团队项目IRT_15R40;中国教育部春辉计划研究基金项目Z2014022;青海省自然科学基金项目2013-Z-Y17,2014-ZJ-721;中央高校基本科研业务费专项资金2017TS045
2019-03-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
117-125