基于卷积神经网络的链接表示及预测方法

• 作者: 张林 房一泉 程华
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 链接预测 共邻关系 拓扑序列化 链接表示 卷积神经网络(CNN) 分类模型
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 552-559
• 页数: 8页
• 分类号: TP391
• 字数: 6234字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2018.03.018

摘要

针对节点全局表示和链接局部拓扑关系,提出链接序列化表示及卷积神经网络(CNN)提取序列特征的链接预测方法.研究节点间的局部拓扑及共邻关系,基于共邻紧密度构建链接局部拓扑的有序节点序列,并用node2vec节点向量表达生成潜在链接的矩阵表示;基于CNN建立链接预测的分类模型,采用CNN可变滤波器窗口卷积运算提取序列中共邻与节点对的多层隐含关系,分类训练实现链接的有效预测.在4种大规模网络数据集上的实验结果表明,相比已有方法,该方法的AUC值有显著提高,最高达12.4％,稳定性及普适性较强,解决了传统方法对大规模稀疏网络的预测准确率下降问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程华	华东理工大学信息科学与工程学院	44	148	7.0	11.0
2	房一泉	华东理工大学信息科学与工程学院	21	55	4.0	7.0
3	张林	华东理工大学信息科学与工程学院	3	14	3.0	3.0