网络表示学习方法研究综述
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16452/j.cnki.sdkjzk.2021.01.014

网络表示学习方法研究综述

引用
随着社交网络、科研合作网络和万维网等信息网络的不断发展,具有网络结构的数据呈现爆炸式增长.如何合理地表示网络中的特征信息已成为网络分析的关键问题.网络表示学习(又称为网络嵌入)旨在将网络中的组件(节点、边或子图等)表示成低维的稠密向量,同时最大程度地保留组件在原网络中的信息和属性.由网络表示学习方法得到的表征向量可进一步与机器学习算法相结合应用到网络分析任务中.近年来,网络表示学习得到了广泛关注,研究者们针对信息网络设计了不同的表示学习算法,在很大程度上推动了该领域的发展.本研究面向同构网络和属性网络,将近年来相关的网络表示学习工作进行了分类介绍,并对比了不同算法的优缺点.

机器学习、社交网络、网络表示学习、信息网络、网络分析

40

TP3-0(计算技术、计算机技术)

2021-03-12(万方平台首次上网日期,不代表论文的发表时间)

共12页

117-128

相关文献
评论
暂无封面信息
查看本期封面目录

山东科技大学学报(自然科学版)

1672-3767

37-1357/N

40

2021,40(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn