基于重要性抽样的图卷积社团发现方法

• 作者: 梁晓曦 王萌 蔡晓东 陈昀
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 图卷积 粗粒化 社团发现 重要性抽样 随机梯度下降
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机技术
• 页码范围: 541-547
• 页数: 7页
• 分类号: TP39
• 字数: 5633字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.03.015

摘要

根据图论将复杂网络转化为图结构数据,使卷积神经网络能够高效方便地处理;通过将图像上的卷积操作延伸到图结构数据上来定义卷积核,并通过卷积层对图的粗粒化和池化操作,提取不规则数据复杂网络的特征.在采用随机梯度下降法训练网络时,设计一种重要性抽样方法改变样本的分布来缩减方差,从而节省梯度计算时间.实验结果表明,与现有的图卷积网络相比,该方法在社会网络、引文网络、知识图谱数据集中,均能够以较低的计算复杂度获得较好的社团发现准确率;而且能够减少计算时的内存占用,可扩展到更大规模的复杂网络中使用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡晓东	桂林电子科技大学信息与通信学院	64	228	9.0	12.0
2	王萌	桂林电子科技大学信息与通信学院	8	13	2.0	3.0
3	梁晓曦	桂林电子科技大学信息与通信学院	7	13	2.0	3.0
4	陈昀	桂林电子科技大学信息与通信学院	3	8	1.0	2.0