10.19734/j.issn.1001-3695.2019.03.0110
基于几何邻居的半监督节点分类
目前基于网络结构的节点分类方法只注重局部网络连接关系.为了能获取更广泛的网络信息,提出一种基于邻居节点结构信息的半监督节点分类算法CBGN.首先,在网络中加入惩罚因子来改进随机游走策略以获取节点的不定长游走序列,这些节点序列被当做句子输入到word2vec模型中,从而将网络结构的潜在信息转换成向量作为节点的特征表示;其次,改进支持向量机算法,结合梯度下降法和坐标下降法来优化参数空间,以对未标记节点进行更准确的分类;最后,在四个标准数据集上与目前较先进的几种方法进行了对比实验.结果 表明,CBGN算法提高了分类精度,相比之前已有的方法具有更好的分类效果.
特征表示、节点分类、半监督学习、随机游走、网络分析
37
TP301.6(计算技术、计算机技术)
2020-10-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
2595-2599