10.3778/j.issn.1673-9418.1611073
直推式网络表示学习
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.
直推式、网络表示学习、结点分类
11
TP391(计算技术、计算机技术)
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
2017-06-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
520-527