结合属性信息的二分网络表示学习

摘要：

现有的网络表示学习算法主要是针对同质网络或异质网络设计的,而忽略了在推荐系统、搜索引擎和问答系统等领域出现的二分网络的特殊特征以及这类网络所携带着的非常丰富的属性信息.为了解决上述问题,提出了一种结合属性信息的二分网络表示学习方法(ABNE).该方法首先将连边分解成邻居节点间的间接关系集,嵌入显式关系,接着通过余弦相似性引入并定义节点的属性相似度矩阵,并将其作为权重矩阵的一部分指导有偏随机游走,从而嵌入隐式关系和属性信息.最后通过一个联合优化框架得到同时携带网络结构信息和属性信息的节点表示向量.在四个真实公开数据集上进行了推荐任务,并与其他现有方法进行比较,实验结果表明该算法的优越性和合理性.

关键词：二分网络、网络表示学习、随机游走、属性网络、机器学习

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省教育厅科研计划项目17JK0703

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：495-505