10.3969/j.issn.1672-9722.2022.11.031
基于深度度量学习的网络缺失节点检测研究
鉴于现实中存在权限设置,获取数据成本过高等因素,大多数收集到的网络仅为完整网络的局部,检测缺失的节点是处理网络不完整问题的有效途径之一.网络缺失节点的检测是一个复杂的问题,因为其不仅需要判断网络是否缺失了节点,还需要分析与缺失节点相关的边.于是提出了基于度量学习的网络缺失节点检测模型(MND-M),它利用图卷积神经网络分别学习两个样本,学习的结果用于预测每组样本内是否缺失了节点,并利用度量学习方法比较一对样本嵌入的相似度,判断它们缺失的节点是否为同一个.模型在完整网络中构造了样本数据及标签来训练模型,帮助其获得缺失节点检测的能力.在4个数据集上进行了实验,结果表明MND-M能有效检测出网络中节点,获得较高的准确率和F1值.
度量学习、图卷积神经网络、缺失节点、网络数据、深度学习
50
TP183(自动化基础理论)
上海市哲学社会科学规划课题2021BTQ003
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
2526-2532