资料下载
×
基于矩阵分解的网络表示学习算法ANEMF
消耗积分:0 |
格式:pdf |
大小:1.60 MB |
2021-03-19
分享资料个
为融合网络拓扑结构与节点属性信息以提高网络表示学习质量，提岀一种新的属性网络表示学习算法（ ANEMF）。引入余弦相似性概念，定义网络二阶结构相似度矩阵和属性相似度矩阵，通过对网络结构相似度和属性相似度损失函数进行联合优化学习，并利用矩阵分解的形式实现网络拓扑结构与节点属性信息的融合，同时应用乘法更新规则计算得到节点表示向量。在3个公开数据集上的亲验结果表明，与 Deep Walk和TADW算法相比， ANEMF算法得到的节点表示向量能够保留网络拓扑结构与节点属性信息，有效提升其在节点分类任务中的综合性能。
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
