网络表示学习的研究与发展

• 作者: 吉立新 尹赢 杜立新 黄瑞阳
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 大规模信息网络 网络表示学习 网络嵌入 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 77-87
• 页数: 11页
• 分类号: TP391.4
• 字数: 6567字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2019019

摘要

网络表示学习旨在将网络中的节点表示成低维稠密且具有一定推理能力的向量,以运用于节点分类、社区发现和链路预测等社交网络应用任务中,是连接网络原始数据和网络应用任务的桥梁.传统的网络表示学习方法都是针对网络中节点和连边只有一种类型的同质信息网络的表示学习方法,而现实世界中的网络往往是具有多种节点和连边类型的异质信息网络.而且,从时间维度上来看,网络是不断变化的.因此,网络表示学习的研究方法随着网络数据的复杂化而不断变化.对近年来针对不同网络的网络表示学习方法进行了分类介绍,并阐述了网络表示学习的应用场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉立新		32	81	5.0	7.0
2	黄瑞阳		50	146	7.0	8.0
3	尹赢		2	5	1.0	2.0