结合深度学习的网络邻居结构研究及应用

• 作者: 吕天舒 寇晓宇 张岩
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 社交网络 邻居结构 节点属性 中心度度量 行为预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 239-250
• 页数: 12页
• 分类号: TP181|TP393
• 字数: 9292字
• 语种: 中文

摘要

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响.实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的.对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning).通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力.分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张岩	北京大学信息科学技术学院	155	1896	24.0	39.0
2	寇晓宇	北京大学信息科学技术学院	1	3	1.0	1.0
3	吕天舒	北京大学信息科学技术学院	1	3	1.0	1.0