基于深度自编码的局部增强属性网络表示学习

• 作者: 张珊珊 柴变芳 陈嶷瑛
• 来源期刊: 计算机应用研究
• 关键词: 网络表示 深度自编码器 属性网络 局部增强网络表示
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2610-2614
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0126

摘要

基于深度自编码器的网络表示,可以捕获高度非线性的网络结构,但当链接稀疏时学到的表示不够准确.针对这一问题,提出一种基于深度自编码的局部增强属性网络表示学习模型,以提高表示学习的准确度.该模型首先利用链接与属性特征,采用多个深度自编码器,学习保持网络拓扑结构及属性特征的低维网络表示.之后,基于节点间近邻结构及属性相似性,对学出的低维网络表示进行节点约束,实现网络局部结构增强,达到最大程度保持原始结构信息及属性特征的目的 .在五个真实属性网络上的实验结果表明,提出的模型在聚类与分类任务中,效果均优于目前流行的表示学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴变芳		14	17	2.0	3.0
2	陈嶷瑛		10	27	2.0	4.0
3	张珊珊		2	0	0.0	0.0