融合表示学习的文档链接网络语义社区发现

• 作者: 郭江林
• 来源期刊: 新一代信息技术
• 关键词: 语义社区发现 网络嵌入 节点表示
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 科技论文
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2096-6091.2021.10.007

摘要

大数据时代背景下诸如论文之间的引用网络、万维网、微博用户之间的网络比比皆是,通常建模为链接网络.利用这些网络链接和节点属性实现语义社区发现有助于了解网络的语义信息和中观结构.现有的语义社区发现方法可利用链接和数学实现语义社区发现,但没有结合基于低维嵌入空间的表示;现有考虑低维嵌入的社区发现方法可更准确挖掘社区结构,但没有利用文档的内容属性.这些方法都不能充分利用链接网络的细粒度结构和语义信息,提出一种融合网络节点表示学习的属性网络的语义社区发现模型Rcolc(Representation learning and Community discovery on links and contents).该模型可以融合文档的链接和属性信息实现语义社区发现,并考虑文档的基于链接的低维嵌入提升社区发现准确性.在真实属性网络上的实验表明该算法优于主流算法.