基于多视图集成的网络表示学习算法

• 作者: 冶忠林 张科 朱宇 赵海兴
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 网络表示学习 网络嵌入学习 复杂网络编码学习 网络可视化 表示学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 2018年第七届中国数据挖掘会议
• 页码范围: 117-125
• 页数: 9页
• 分类号: TP391
• 字数: 10060字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.01.018

摘要

现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习.基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵.另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视图的表示学习;然而,网络本身蕴含有多种视图.因此,文中提出了一种基于多视图集成的网络表示学习算法(M VENR).该算法摈弃了神经网络的训练过程,将矩阵的信息融合和分解思想融入到网络表示学习中.另外,将网络的结构视图、连边权重视图和节点属性视图进行了有效的融合,弥补了现有网络表示学习中忽略了网络连边权重的不足,解决了基于单一视图训练时网络特征稀疏的问题.实验结果表明,所提MVENR算法的性能优于网络表示学习中部分常用的联合学习算法和基于结构的网络表示学习算法,是一种简单且高效的网络表示学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵海兴	陕西师范大学计算机科学学院	47	232	9.0	14.0
3	冶忠林	陕西师范大学计算机科学学院	1	2	1.0	1.0
6	张科	青海师范大学计算机学院	1	2	1.0	1.0
7	朱宇	青海师范大学计算机学院	1	2	1.0	1.0