资料下载
×
新型生成对抗式分层网络表示学习算法
消耗积分:0 |
格式:pdf |
大小:2.02 MB |
2021-03-11
分享资料个
针对当前链路预测算法无法有效保留网络图髙阶结构特征的问题，提岀一种生成对抗式分层网络表示学习算法。根据网络图的一阶邻近性和二阶邻近性，递归地对网络图进行边缘折叠和顶点合并，形成逐层规模变小的子网络图，使用 Node2vec算法对规模最小的子网络图进行预处理，并将预处理结果输入到生成对抗式网络（ Embedgan）模型中，学习得到最小子网络图顶点的低维向量表示，将其输入至上一层子网络的 Embedgan模型中，作为上一层子网络图顶点的低维向量表示。按照该方法进行逐层向上回溯学习，直至学习到原始网络图，从而得到原始网络图顶点的低维向量表示。在多个不同领域的真实网络薮据集土进行链路预测，实验结果表明，该算法的准确率与稳定性均优于LP、Katz和LⅠNE算法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
