直推式网络表示学习

• 作者: 张霞 谢正茂 闫宏飞 陈维政
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 直推式 网络表示学习 结点分类
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 520-527
• 页数: 8页
• 分类号: TP391
• 字数: 5320字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1611073

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫宏飞	北京大学信息科学技术学院	32	414	11.0	20.0
2	张霞	北京大学信息科学技术学院	38	156	7.0	11.0
3	陈维政	北京大学信息科学技术学院	6	22	3.0	4.0
4	谢正茂	北京大学信息科学技术学院	4	219	3.0	4.0