资料下载
×
基于变分自编码器的网络表示学习方法
消耗积分:0 |
格式:rar |
大小:7.53 MB |
2021-05-12
分享资料个
网络表示学习的目标是将网络节点映射到一个低维的向量空间中，然后利用已有的机器学习方法解决诸如节点分类、链接预测、社团挖掘和推荐等下游应用任务。通常网络中的节点携有属性信息，与结构信息具有一定的相关性，将这些信息融入到网络表示学习过程中，有助于提升下游任务的性能。但是针对不同的应用场景，结构和属性信息并不总是线性相关，而且它们都是高度非线性的数据。提岀一种基于变分自编码器的网络表示学习方法 VANRL。变分自编码器是一种深度神经网络，它不仅可以捕获结构和属性非线性相似性，还可以学习到数据的分布。针对不同的应用任务，灵活地组合结构信息和属性信息，使学习到的网络节点表示达到令人满意的性能。在四个网络（包括两个社交网络，两个引用网络）上的实验结果表明， VANRL可以在节点分类和链路预测任务中获得相对显著的效果。
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
