保持Motif結構的網絡表示學習
摘要：隨著信息技術的廣泛應用,網絡在人們日常的生活中變得無處不在。網絡表示學習算法是最近研究網絡的一個熱門領域,它旨在保留網絡拓撲結構信息的同時,將網絡映射到一個潛在、低維度的向量空間。網絡Motif,在網絡分析中具有重要的意義,然而之前提出的網絡表示學習算法絕大多數只考慮了節點的鄰域屬性或鄰近性,而忽略了節點的Motif結構信息。因此,基于上述考慮,提出了算法"保持Motif結構的網絡表示學習",使得在學習網絡節點向量表示時能夠更加側重地考慮網絡Motif的結構。算法首先計算出基于Motif的網絡權重矩陣;接著求得網絡中每個節點的基于Motif的個性化PageRank預估值;最后進行MotifWalk得到游走路徑,從而能夠運用Word2Vec模型來得到網絡的向量表示。通過與三個經典的網絡表示算法比較,發現在稠密以及Motif結構豐富的網絡中,提出的算法表現得更好。
注: 保護知識產權,如需閱讀全文請聯系計算機科學與探索雜志社
相關推薦
更多
