一种基于GAN的异构信息网络表示学习方法

• 作者: 周丽 周雪梅 申国伟 赵文波
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 网络表示学习 异构信息网络 生成式对抗网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 网络与通信
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP391
• 字数: 4726字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.05.015

摘要

异构信息网络中包含丰富的结构和语义信息,通过网络表示学习保留异构信息网络的结构和语义信息是当前研究的热点.传统的异构信息网络表示学习方法局限于利用元路径的形式保留异构信息网络中的语义信息,缺乏考虑网络中所有节点的分布情况,保留的信息不够充分.因此,本文提出一种基于生成式对抗网络(Generative Adversarial Net-works,GAN)的异构信息网络表示学习方法(HINGAN),其能更好地保留网络中的结构信息和语义信息.HINGAN中通过生成模型和判别模型的对抗学习,提高表示学习的鲁棒性.基于2个真实数据集的实验结果表明,本文提出的模型与传统的异构信息网络方法相比,在节点分类和链接预测任务中的结果都有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周丽	贵州大学计算机科学与技术学院	10	7	2.0	2.0
3	申国伟	贵州大学计算机科学与技术学院	10	12	2.0	3.0
5	赵文波	贵州大学计算机科学与技术学院	3	6	1.0	2.0