登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于改进随机游走的网络表示学习算法
  • 摘要

    现有的基于Word2vec的网络表示学习(NRL)算法使用随机游走(RW)来生成节点序列,针对随机游走倾向于选择具有较大度的节点,生成的节点序列不能很好地反映网络结构信息,从而影响表示学习性能的问题,提出了基于改进随机游走的网络表示学习算法.首先,使用RLP-MHRW算法生成节点序列,它在生成节点序列时不会偏向大度节点,得到的节点序列能更好地反映网络结构信息;然后,将节点序列投入到Skip-gram模型得到节点表示向量;最后,利用链路预测任务来测度表示学习性能.在4个真实网络数据集上进行了实验.在论文合作网络arXiv ASTRO-PH上与LINE和node2vec算法相比,链路预测的AUC值分别提升了8.9%和3.5%,其他数据集上也均有提升.实验结果表明,RLP-MHRW能有效提高基于Word2vec的网络表示学习算法的性能.

  • 作者

    王文涛  黄烨  吴淋涛  柯璇  唐菀  WANG Wentao  HUANG Ye  WU Lintao  KE Xuan  TANG Wan 

  • 作者单位

    中南民族大学 计算机科学学院,武汉,430074

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    网络表示学习  随机游走  链路预测  无偏采样  机器学习 

相似文献 查看更多>>
34.204.191.31