网络表示学习发展综述

• 作者: 王亚坤
• 来源期刊: 福建质量管理
• 关键词: 网络 网络挖掘 表示学习
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 评价分析
• 页码范围: 216
• 页数: 1页
• 字数: 2089字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9604.2019.17.164

摘要

随着社交网络地不断发展,产生了大量具有网络结构特点的数据.在利用机器学习对数据进行分析的过程中,因为高效可用的节点表示的缺乏,从而导致网络化数据几步不能被直接利用.如何使用合适的模式进行数据表示是网络挖掘的重中之重,网络化数据表示学习通过将难以直接利用的高维的属性网络表示为低维稠密的向量.因此,有必要将当前主要的网络表示学习算法进行总结和归纳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚坤	西华大学计算机与软件工程学院	3	1	1.0	1.0