基于半监督聚类的网络嵌入方法

• 作者: 张志敏 张静 李文斌
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 人工智能其他学科 网络嵌入 聚类 半监督 区分性
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与开发
• 页码范围: 246-252
• 页数: 7页
• 分类号: TP181
• 字数: 6250字
• 语种: 中文
• DOI: 10.7535/hbgykj.2019yx04004

摘要

GEMSEC(graph embedding with self clustering)在计算节点特征的同时学习节点聚类,通过强制将节点进行聚类来揭露网络中的社区结构,但未考虑类别标签信息,导致学到的节点嵌入缺乏区分性.针对这一问题,提出了一种基于半监督聚类的网络嵌入方法(NESSC),将随机游走序列和少量节点类别标签作为输入,在计算节点特征和学习节点k-means聚类的过程中,利用类别标签信息指导聚类过程,同时重构已知节点类别标签信息,学习具有区分性的节点表示.在6个真实网络上进行节点聚类和节点分类评测实验,实验结果显示,NESSC方法明显优于无监督网络嵌入方法DeepWalk和GEMSEC,可以通过加入节点的标签信息来提高网络嵌入的效果.因此,通过网络节点的嵌入,可以高效地提取网络的有用信息,对于相关网络嵌入研究具有一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张静	河北地质大学信息工程学院	19	19	3.0	4.0
2	李文斌	河北地质大学教务处	22	42	4.0	5.0
3	张志敏	河北地质大学信息工程学院	3	4	1.0	2.0