一种融合节点文本属性信息的网络表示学习算法

• 作者: 刘树新 刘正铭 李星 杨奕卓 马宏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 复杂网络 网络表示学习 信息融合 文本属性信息 神经网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 165-171
• 页数: 7页
• 分类号: TP301.6
• 字数: 5917字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050760

摘要

现有网络表示学习算法主要针对网络结构信息进行表示学习,而忽略现实网络中丰富的节点文本属性信息.为有效融合网络结构信息和节点文本属性信息进行表示学习,提出一种新的网络表示学习算法.为实现两方面信息在训练过程中的相互约束,建立基于参数共享的共耦神经网络训练模型,并利用负采样和随机梯度下降的优化策略实现训练过程的快速收敛.实验结果表明,与Doc2Vec算法、DeepWalk算法、DW+ D2V算法和TADW算法相比,该算法的分类性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘树新		28	119	6.0	10.0
2	李星		12	55	4.0	7.0
3	马宏		25	86	6.0	8.0
4	刘正铭		5	17	2.0	4.0
5	杨奕卓		3	16	2.0	3.0