基于改進隨機游走的網絡表示學習算法
[摘要]

現有的基于Word2vec的網絡表示學習(NRL)算法使用隨機游走(RW)來生成節點序列,針對隨機游走傾向于選擇具有較大度的節點,生成的節點序列不能很好地反映網絡結構信息,從而影響表示學習性能的問題,提出了基于改進隨機游走的網絡表示學習算法。首先,使用RLP-MHRW算法生成節點序列,它在生成節點序列時不會偏向大度節點,得到的節點序列能更好地反映網絡結構信息;然后,將節點序列投入到Skip-gram模型得到節點表示向量;最后,利用鏈路預測任務來測度表示學習性能。在4個真實網絡數據集上進行了實驗。在論文合作網絡arXivASTRO-PH上與LINE和node2vec算法相比,鏈路預測的AUC值分別提升了8. 9%和3.5% ,其他數據集上也均有提升。實驗結果表明,RLP-MHRW能有效提高基于Word2vec的網絡表示學習算法的性能。

資源類型:pdf
資源大小:816.66KB
所屬分類:
上傳時間:2019/04/16
彩票平台开户送彩