直推式网络表示学习

摘要：

网络表示学习是一个经典的学习问题,其目的是将高维的网络在低维度的向量空间进行表示.目前大多数的网络表示学习方法都是无监督的,忽视了标签信息.受LINE(large-scale information network embedding)算法启发而提出了一种半监督的学习算法TLINE.TLINE是一种直推式表示学习算法,其通过优化LINE部分的目标函数来保留网络的局部特性.而标签信息部分,则使用线性支持向量机(support vector machine)来提高带标签结点的区分度.通过边采样、负采样和异步随机梯度下降来降低算法的复杂度,从而使TLINE算法可以处理大型的网络.最后,在论文引用数据集CiteSeer和共同作者数据集DBLP上进行了实验,实验结果表明,TLINE算法明显优于经典的无监督网络表示学习算法DeepWalk和LINE.

关键词：直推式、网络表示学习、结点分类

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61272340,U1536201;the National Basic Research Program of China under Grant No.2014CB340400国家重点基础研究发展计划973计划

在线出版日期：2017-06-26（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：520-527