基于结构深度网络嵌入模型的节点标签分类算法

• 作者: 陈世聪 袁得嵛 黄淑华 杨明
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 网络嵌入 深度学习 节点分类 自动编码器 复杂网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 数据库&大数据&数据科学|Database & Big Data & Data Science
• 页码范围: 105-112
• 页数: 8页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11896/jsjkx.201000177

摘要

在海量数据呈现爆炸增长态势的互联网时代,传统算法已无法满足处理大规模、多类型数据的需求.近年来最新的图嵌入算法通过学习图网络特征,在链路预测、网络重构和节点分类实践中普遍取得了极佳的效果.文中基于传统自动编码器模型,创新地提出了一种融合Sdne算法与链路预测相似度矩阵的新算法,通过在反向传播过程中引入高阶损失函数,依据自编码器的新特征调整性能,改进传统算法中以单一方式判定节点相似度这一方法存在的弊端,并建立简易模型分析证明优化的合理性.对比最新研究中效果最好的Sdne算法,该算法在Micro-F1和Macro-F1两种评价指标上的提升效果均接近1％,可视化分类效果表现良好.与此同时,研究发现高阶损失函数超参的最优值大致处于1～10范围内,数值的变化依旧能够基本稳定维持整体网络的鲁棒性.