期刊文献+
共找到23篇文章
< 1 2 >
每页显示 20 50 100
三元空间大数据网络关联表征 被引量:8
1
作者 朱文武 王鑫 《中国科学:信息科学》 CSCD 北大核心 2021年第11期1802-1839,共38页
三元空间是由信息空间、物理世界、人类社会所构成,三元空间大数据由信息空间所产生的互联网数据、物理空间所产生的物联网数据和人类社会空间所产生的数据所构成.本文介绍了三元空间大数据的关联复杂性,并针对三元空间大数据关联复杂... 三元空间是由信息空间、物理世界、人类社会所构成,三元空间大数据由信息空间所产生的互联网数据、物理空间所产生的物联网数据和人类社会空间所产生的数据所构成.本文介绍了三元空间大数据的关联复杂性,并针对三元空间大数据关联复杂性这一本质困难,提出解决三元空间异构数据的关联表征这一关键科学问题.传统信息科学往往依据既有的先验信息进行特征表达,并在先验表征空间内分析信息语义及其关联关系.然而,在表征层面所引入的先验偏见,极大限制了信息理解和关联的广度和深度,使得蕴含于三元空间大数据之中的超出人类现有经验的知识难以被发掘.为解决上述难题,本文提出将三元空间数据关联关系通过拓扑图理论表征成网络或图以实现三元空间大数据的关联表征和融合分析.具体地,利用数据驱动的深层网络表征对三元空间异构数据的弱先验关联关系进行深度建模以保持原始数据间的异构关联关系,通过对非线性、非凸异构数据关联表达进行深度解离化计算以提升深层关联表征的鲁棒性与可解释性,借助拓扑图理论挖掘三元空间大数据中蕴含的异构关联关系以达到对三元空间异构关系的精准刻画.最后,本文从知识与数据双驱动、自适应,以及可推理三元空间大数据分析的角度对三元空间大数据关联表征的未来研究方向进行展望. 展开更多
关键词 三元空间 大数据 关联表征 深层表征 网络表征
原文传递
基于遍历约束与交互信息增强的社交网络表征算法 被引量:1
2
作者 石立鹏 王莉 《计算机工程》 CAS CSCD 北大核心 2018年第11期215-221,共7页
传统网络表征方法将网络的拓扑结构转换为邻接矩阵以进行特征提取,在准确率和效率上存在局限性。为此,通过分析自然语言处理模型word2vec和多种网络表征算法,结合社交网络的特征,提出一种基于遍历约束和交互信息的社交网络表征算法。对... 传统网络表征方法将网络的拓扑结构转换为邻接矩阵以进行特征提取,在准确率和效率上存在局限性。为此,通过分析自然语言处理模型word2vec和多种网络表征算法,结合社交网络的特征,提出一种基于遍历约束和交互信息的社交网络表征算法。对社交网络遍历进行约束以提高算法的时间效率,利用用户交互信息修改w ord2vec模型,提高社交网络表征的准确率。在BlogCatalog和新浪微博2个社交网络数据集上进行的实验结果表明,相对DeepWalk、Line算法,该算法在时间效率上提高约20%,在准确率上提高约12%。 展开更多
关键词 特征学习 网络遍历 自然语言处理 交互信息 社交网络 网络表征
下载PDF
联合子图模式和网络表征的路网链路预测模型 被引量:1
3
作者 王斌 李毅磊 +2 位作者 盛津芳 孙泽军 卢奔 《小型微型计算机系统》 CSCD 北大核心 2019年第11期2357-2364,共8页
城市道路网络(简称路网)是一种结构复杂且高度稀疏的网络,对城市道路网络进行链路预测能够对城市结构变化进行合理预演,辅助城市设计者决策.本文针对路网特性提出了一种新的链路预测模型GRSC,该模型首先通过road2vec对路网进行网络表征... 城市道路网络(简称路网)是一种结构复杂且高度稀疏的网络,对城市道路网络进行链路预测能够对城市结构变化进行合理预演,辅助城市设计者决策.本文针对路网特性提出了一种新的链路预测模型GRSC,该模型首先通过road2vec对路网进行网络表征,然后将子图模式和网络表征结果有机地结合起来,共同构建包含子图结构特征、游走距离特征的广义路网子图特征,最后训练logistic回归分类模型,用于路网链路预测.实验对比了GRSC模型和其它链路预测模型在不同国家、不同类型城市路网上的表现以及模型参数的变化对预测精度的影响,结果表明,GRSC在预测精度和稳定性方面都表现良好. 展开更多
关键词 链路预测 子图模式 网络表征 分类模型 城市路网
下载PDF
基于社交网络表征的好友分类
4
作者 李雯雯 陈文燕 +2 位作者 詹尉炜 魏文俊 韩成杰 《信息与电脑》 2021年第24期60-62,69,共4页
在线社交网络是通过消息交换、照片和视频共享、状态更新等方式促进用户之间社交互动的平台。本文旨在研究如何利用用户交互行为来有效评估现实生活中用户间的真实关系,首先通过图模型对社交网络中好友间的亲密度进行度量,其次使用GCN和... 在线社交网络是通过消息交换、照片和视频共享、状态更新等方式促进用户之间社交互动的平台。本文旨在研究如何利用用户交互行为来有效评估现实生活中用户间的真实关系,首先通过图模型对社交网络中好友间的亲密度进行度量,其次使用GCN和GAT模型基于网络表征进行好友分类,最后通过实验评估分类模型的性能。 展开更多
关键词 社交网络 亲密度 网络表征 好友分类
下载PDF
一种基于多尺度特征和改进采样策略的异构网络对齐方法
5
作者 任尊晓 王莉 《数据采集与处理》 CSCD 北大核心 2021年第4期779-788,共10页
网络对齐是集成不同平台数据的重要途径。利用网络表示学习得到节点表征并建立节点匹配策略是当前异构网络对齐的主流技术之一。在这类研究中,网络表示模型和计算复杂性为两大关键问题。本文提出一种基于多尺度特征建模和优化采样策略... 网络对齐是集成不同平台数据的重要途径。利用网络表示学习得到节点表征并建立节点匹配策略是当前异构网络对齐的主流技术之一。在这类研究中,网络表示模型和计算复杂性为两大关键问题。本文提出一种基于多尺度特征建模和优化采样策略的无监督网络对齐方法。首先,提出一种不同尺度的节点特征表示,提取节点特征;然后利用网络嵌入模型获得网络的初表征,在此基础上设计了一种基于节点重要性的采样策略选择地标节点,改进随机抽样策略;建立了基于地标节点的网络节点相似关系矩阵,引入低秩矩阵近似方法进行矩阵分解,得到节点表示;最后,根据节点表示的相似性对网络进行对齐。在3个数据集上的实验结果表明,本模型优于其他基线模型。 展开更多
关键词 网络表征 异构网络对齐 矩阵分解 矩阵近似 无监督学习
下载PDF
基于对抗图卷积的网络表征学习框架
6
作者 陈梦雪 刘勇 《模式识别与人工智能》 EI CSCD 北大核心 2019年第11期1042-1050,共9页
现有的网络表征方法及其相关变体的侧重点在于保存网络的拓扑结构或使重构误差最小,忽略隐变量的数据分布问题.基于此种情况,文中提出基于对抗图卷积的网络表征学习框架(AGCN),使网络模型不仅可以组合图的结构信息和节点的属性信息,提... 现有的网络表征方法及其相关变体的侧重点在于保存网络的拓扑结构或使重构误差最小,忽略隐变量的数据分布问题.基于此种情况,文中提出基于对抗图卷积的网络表征学习框架(AGCN),使网络模型不仅可以组合图的结构信息和节点的属性信息,提高网络表征学习性能,而且可以学习数据分布.与此同时,在AGCN的基础上提出端到端的多任务学习框架(MTL),在一个学习阶段可以同时进行链接预测和节点分类任务.实验表明,MTL性能较优. 展开更多
关键词 网络表征 链接预测 节点分类 多任务学习
下载PDF
CPFS结构理论及其对数学概念教学的启示 被引量:7
7
作者 傅赢芳" 喻平 《教育研究与评论(中学教育教学)》 2020年第6期28-33,共6页
CPFS是数学学习者的一种特殊的优良认知结构。其中的概念域及概念系因刻画了数学概念间的等价关系及抽象关系,而区别于命题网络表征;概念域因与命题域的组织方式是相似的,而避免了同一概念从陈述性向程序性转化时面临的表征转换问题。基... CPFS是数学学习者的一种特殊的优良认知结构。其中的概念域及概念系因刻画了数学概念间的等价关系及抽象关系,而区别于命题网络表征;概念域因与命题域的组织方式是相似的,而避免了同一概念从陈述性向程序性转化时面临的表征转换问题。基于CPFS结构理论,在数学概念教学中,应引导学生识别同一概念不同定义之间以及不同概念之间的演绎推理关系,直观化表示概念与命题的扩展过程,注意设置需借助概念域解决的问题串,引导学生选择概念的不同定义解决相应的问题。 展开更多
关键词 CPFS结构 概念域 概念系 命题网络表征 概念教学
下载PDF
基于霍克斯过程的动态异质网络表征学习方法
8
作者 陈蕾 邓琨 刘星妍 《电信科学》 北大核心 2024年第8期78-93,共16页
现有的异质网络表征学习方法主要关注静态网络,忽略了时间属性对节点表示的重要影响。然而,真实的异质信息网络极具动态性,节点和边的微小变化都可能影响整个结构和语义。鉴于此,提出了基于霍克斯过程的动态异质网络表征学习方法。首先... 现有的异质网络表征学习方法主要关注静态网络,忽略了时间属性对节点表示的重要影响。然而,真实的异质信息网络极具动态性,节点和边的微小变化都可能影响整个结构和语义。鉴于此,提出了基于霍克斯过程的动态异质网络表征学习方法。首先,利用关系旋转编码方式和注意力机制,学习相邻节点的注意力系数,获得节点的向量表示。其次,学习不同元路径的最优加权组合以更好捕获网络的结构和语义信息。最后,基于时间衰减效应,通过邻域形成序列将时间特征引入节点表示中,得到节点的最终嵌入表示。在多种基准数据集上的实验结果表明,所提方法在性能上显著优于对比模型。在节点分类任务中,Macro-F1平均提高了0.15%~3.45%,在节点聚类任务中,归一化互信息(normalized mutual information,NMI)值提高了1.08%~3.57%。 展开更多
关键词 网络表征学习 动态异质信息网络 注意力机制 元路径 霍克斯过程
下载PDF
集成层级图注意力网络检测非均衡虚假评论 被引量:1
9
作者 赵敏 张月琴 +1 位作者 窦英通 张泽华 《计算机科学与探索》 CSCD 北大核心 2023年第2期428-441,共14页
作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚... 作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚假评论的识别效果不甚理想。针对这种特征异构和数据分布不均衡的问题,将评论系统进行异构网络建模,提出一种新的集成层次图注意力网络(En-HGAN)识别方法。通过融合层次注意力结构,更加充分地利用异构网络中丰富的用户行为信息,为评论学习更加丰富的语义表征,并在集成学习Bagging框架下集成多个差异化的HGAN子模型,使用随机欠采样策略实现基学习器多样性聚合,从而减少有效信息丢失,增强对欺诈评论的检测能力。在YelpChi与Amazon真实数据集上的实验结果表明,En-HGAN方法具有良好的异常探测性能,和当前一些最新的方法相比,在数据类别倾斜分布的应用中显示En-HGAN方法对欺诈实体具有不错的鲁棒性。 展开更多
关键词 虚假评论检测 层次图注意力网络 网络表征学习 集成学习 非均衡数据分类
下载PDF
基于网络表征学习的混合缺陷预测模型 被引量:4
10
作者 刘成斌 郑巍 +1 位作者 樊鑫 杨丰玉 《计算机应用》 CSCD 北大核心 2019年第12期3633-3638,共6页
针对软件系统模块间具有依赖关系的问题,通过对软件系统网络结构进行分析,构建了基于网络表征学习的混合缺陷预测模型。首先,将软件系统以模块为单位转换成软件网络;然后,使用网络表征技术来无监督学习软件网络中每个模块的系统结构特征... 针对软件系统模块间具有依赖关系的问题,通过对软件系统网络结构进行分析,构建了基于网络表征学习的混合缺陷预测模型。首先,将软件系统以模块为单位转换成软件网络;然后,使用网络表征技术来无监督学习软件网络中每个模块的系统结构特征;最后,结合系统结构特征和卷积神经网络学习的语义特征构建一个混合缺陷预测模型。实验结果表明:在Apache三个开源软件poi、lucene和synapse上所提混合缺陷预测模型具有更好的缺陷预测效果,其F1指标比最优模型--基于卷积神经网络(CNN)的缺陷预测模型分别提高了3.8%、1.0%、4.1%。软件网络结构特征分析为缺陷预测模型的构建提供了有效的研究思路。 展开更多
关键词 软件网络 缺陷预测 卷积神经网络 语义特征 网络表征学习
下载PDF
基于K阶互信息估计的位置感知网络表征学习 被引量:1
11
作者 储晓恺 范鑫鑫 毕经平 《计算机研究与发展》 EI CSCD 北大核心 2021年第8期1612-1623,共12页
随着网络结构数据持续、快速的增长,各种复杂网络数据分析与应用层出不穷.近年来,网络表征学习已经成为各类网络分析任务的主流方法.网络表征学习的主要目标是依据节点间连接关系,学习高质量的节点表征向量,从而辅助分析下游任务.然而,... 随着网络结构数据持续、快速的增长,各种复杂网络数据分析与应用层出不穷.近年来,网络表征学习已经成为各类网络分析任务的主流方法.网络表征学习的主要目标是依据节点间连接关系,学习高质量的节点表征向量,从而辅助分析下游任务.然而,现有的表征学习方法未考虑节点在网络中的位置信息.为了解决这一问题,提出了一种位置感知网络表征学习模型PMI,该模型通过最大化每个中心节点与各阶邻居之间的互信息,从而将节点的位置信息学入表征向量中.在表征训练过程中,PMI模型激励每个中心节点记住并识别其每阶的邻居节点,从而间接记录其位置信息.在4个不同领域的真实数据集上进行了多标签分类、网络重构、链接预测等多个代表性网络分析任务实验,实验结果表明提出的PMI模型可以学到高质量的节点表征向量,与现有的表征学习模型相比,PMI模型能够在多个下游任务上有较大幅度提升.此外,还设计邻居对齐任务对PMI模型进行进一步的分析,结果表明PMI模型学到的节点表征能够有效识别不同阶的邻居节点并捕获自身的位置信息,从而为各种下游任务生成合理有效的表征. 展开更多
关键词 网络表征学习 互信息估计 节点表征 信息网络分析 神经网络 节点分类 链接预测
下载PDF
基于生成对抗网络的异质信息网络表征学习 被引量:1
12
作者 刘星宏 王英 +1 位作者 王鑫 兰书梅 《应用科学学报》 CAS CSCD 北大核心 2021年第4期532-544,共13页
鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型——基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative a... 鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型——基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial network,HNRL-GAN)模型;然后分析HNRL-GAN模型中的不足之处,进一步提出改进后的基于生成对抗网络的增强版异质网络表征学习(heterogeneous network representation learning based on generative adversarial network plus plus,HNRL-GAN++)模型;最后分别在DBLP、Yelp、Aminer等数据集中使用HNRL-GAN模型和HNRL-GAN++模型进行节点分类和节点聚类等实验以测试模型的有效性。实验结果表明:1)HNRL-GAN模型和HNRL-GAN++模型都实现了将异质信息网络中的高维稀疏节点表示为低维稠密向量这一目标;2)相较于HNRL-GAN模型,HNRL-GAN++模型在保留高维空间中网络结构信息和语义信息等方面拥有更好的性能。 展开更多
关键词 异质信息网络 生成对抗网络 网络表征学习
下载PDF
基于异构信息网络表征学习的推荐方法 被引量:1
13
作者 李亚莹 《现代计算机》 2020年第4期7-10,共4页
现有的基于异构信息网络的推荐方法主要通过节点相似性挖掘推荐辅助信息,受元路径线性结构及对可见路径依赖的影响,用户和项目特征并不能被充分捕获。提出基于异构信息网络表征学习的推荐方法,通过在给定元结构上进行截断随机游走学习... 现有的基于异构信息网络的推荐方法主要通过节点相似性挖掘推荐辅助信息,受元路径线性结构及对可见路径依赖的影响,用户和项目特征并不能被充分捕获。提出基于异构信息网络表征学习的推荐方法,通过在给定元结构上进行截断随机游走学习用户和项目节点的低维向量表示,并将其直接融入推荐样本,结合FFM模型进行评分预测。实验表明,该方法有较高性能。 展开更多
关键词 异构信息网络 网络表征学习 推荐
下载PDF
利用网络表征学习辨识复杂网络节点影响力 被引量:1
14
作者 杨旭华 熊帅 《小型微型计算机系统》 CSCD 北大核心 2021年第2期418-423,共6页
发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了... 发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中的节点映射为一个低维空间的向量表示,并计算局部节点对之间的欧氏距离;接着根据网络的拓扑结构,计算每个节点在信息的传播过程中,对所在局部的影响力大小,用以识别高影响力节点.在八个真实网络中,以SIR和SI传播模型作为评价手段,将NLC算法和度中心性、接近中心性、介数中心性、邻居核中心性、半局部中心性做了对比,结果表明NLC算法具有良好的识别高影响力传播节点的性能. 展开更多
关键词 节点影响力 网络表征学习 局部节点中心性 复杂网络
下载PDF
基于异质网络表征学习的链路预测算法 被引量:1
15
作者 蒋宗礼 管戈 《现代计算机》 2020年第17期29-33,37,共6页
异质信息网络蕴含丰富的语义信息和多样的结构关系,这给链路预测带来新方向的同时也因其特点增加研究难度。针对如何将链路预测应用于异质信息网络的问题,提出一种通过元路径的随机游走对网络表征学习,再根据节点向量相似性进行链路预... 异质信息网络蕴含丰富的语义信息和多样的结构关系,这给链路预测带来新方向的同时也因其特点增加研究难度。针对如何将链路预测应用于异质信息网络的问题,提出一种通过元路径的随机游走对网络表征学习,再根据节点向量相似性进行链路预测的算法。实验结果表明,这种基于网络表征学习的链路预测方法在异质信息网络中表现良好,对不同类型链接预测的准确率均有较大提升。 展开更多
关键词 链路预测 异质信息网络 元路径 网络表征学习
下载PDF
基于异构网络表征学习的作者学术行为预测
16
作者 黄丽 朱焱 李春平 《计算机科学》 CSCD 北大核心 2022年第9期76-82,共7页
作者学术行为预测旨在从异构学术网络中挖掘作者的行为关系,以促进科研合作,产出高水平、高质量的研究成果。现有的节点表示方法大多未考虑节点的语义特征、内容特征、全局结构等,难以有效学习网络中节点的低维特性。为有效融合节点的... 作者学术行为预测旨在从异构学术网络中挖掘作者的行为关系,以促进科研合作,产出高水平、高质量的研究成果。现有的节点表示方法大多未考虑节点的语义特征、内容特征、全局结构等,难以有效学习网络中节点的低维特性。为有效融合节点的多维特征和全局结构,提出了一种集成BiLSTM、注意力机制和聚类算法的异构网络表示学习方法HNEMA,以提高学术网络中作者的学术行为预测效果。HNEMA首先基于BiLSTM和注意力机制融合节点的多维特征,聚合同一元路径下或不同元路径下相同类型的邻居,随后聚合待表征节点的所有邻居的多维特征。基于此,采用聚类算法捕获节点的全局特征,从而全面有效地学习节点的低维特性。在全面特征学习的基础上,应用逻辑回归分类器预测作者的学术行为。在3个公开数据集上的验证实验结果表明,相比其他方法,HNEMA在AUC和F1指标上都有一定程度的提升。 展开更多
关键词 异构网络 网络表征学习 链接预测 元路径
下载PDF
基于社交网络元数据的图像分类算法
17
作者 王兆平 陈炳坤 《深圳大学学报(理工版)》 EI CAS CSCD 北大核心 2019年第4期453-459,共7页
在线社交网络图像通常携带大量的社交网络元数据,包含了丰富的图像语义信息,可以帮助用户区分图片中的内容.提出一种基于社交网络元数据的图像分类(multiple social metadata image classifica tion networks,简称MSNet)算法,首先采集... 在线社交网络图像通常携带大量的社交网络元数据,包含了丰富的图像语义信息,可以帮助用户区分图片中的内容.提出一种基于社交网络元数据的图像分类(multiple social metadata image classifica tion networks,简称MSNet)算法,首先采集得到图像的多种社交网络元数据,根据图像社交网络信息构造出图像的多种关系网络,然后使用网络表征学习算法学习出图像在各个关系网络中的表征向量,最后使用图像的视觉特征和网络表征训练一个神经网络分类器对图像进行分类.通过在PASCAL, MIR、CLEF和NUS数据集上对比 MSNet 与 CNN-neighbor、核典型相关分析(kernel canonical correlation analysis, KCCA)算法的性能,证明了 MSNet算法能提升图像分类的性能。 展开更多
关键词 人工智能 社交网络 网络表征学习 图像分类 神经网络 社交多媒体
下载PDF
集成时空轨迹的动态属性网络表征学习
18
作者 曹燕 颜铭江 +2 位作者 贾香恩 董一鸿 陈华辉 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第3期487-496,共10页
网络表征学习是当前信息网络数据表示的研究热点,相比于传统网络分析技术已显示出它的有效性和高效性.目前绝大多数研究仅将网络视为静态来处理,即网络结构不随时间演化而变化,而且很少考虑网络中丰富的节点属性信息,难以适应现实信息... 网络表征学习是当前信息网络数据表示的研究热点,相比于传统网络分析技术已显示出它的有效性和高效性.目前绝大多数研究仅将网络视为静态来处理,即网络结构不随时间演化而变化,而且很少考虑网络中丰富的节点属性信息,难以适应现实信息网络时刻变化的动态特性.同时考虑网络的动态性和节点属性,提出基于时空路径的动态属性网络表征学习(DAWalk),将结构特征与属性特征聚合为节点的嵌入表示.游走时空轨迹序列以捕获网络的结构特征以及动态演化趋势规律.在模型学习方面使用改进的自编码器模型,最小化序列中成对节点的距离损失,学习出序列节点对隐藏的高度非线性规律,使得学到的节点表示更具健壮性.实验表明,在可视化、链接预测、节点分类任务上,提出的DAWalk在3个数据集上的性能均优于其他基准算法. 展开更多
关键词 网络表征学习 动态网络 动态图嵌入 属性网络
下载PDF
基于角色的网络表征学习方法
19
作者 徐攸 王晓萍 熊贇 《计算机工程》 CAS CSCD 北大核心 2021年第5期52-57,共6页
网络表征学习技术被广泛应用于获取网络中节点的特征及其语义。已有网络表征学习方法主要研究邻接矩阵或邻接矩阵的幂,使得向量空间中一个节点的相似节点存在于网络中与它相近的局部区域,而未考虑全局区域的结构等价性。根据角色信息,... 网络表征学习技术被广泛应用于获取网络中节点的特征及其语义。已有网络表征学习方法主要研究邻接矩阵或邻接矩阵的幂,使得向量空间中一个节点的相似节点存在于网络中与它相近的局部区域,而未考虑全局区域的结构等价性。根据角色信息,提出基于角色的矩阵分解(Role-MF)模型来获取节点表示。Role-MF模型将角色信息融合在随机游走方法中,在考虑局部信息的同时利用角色信息设计明确的目标矩阵,并通过奇异值分解得到节点表征。实验结果表明,与现有的DWMF、DeepWalk等模型相比,Role-MF模型可以保留结构等价性,当训练比例为10%和90%时,F1值和AUC等各项指标在节点分类和链路预测中都取得了更好的效果。 展开更多
关键词 角色信息 网络表征学习 结构等价 矩阵分解 随机游走
下载PDF
新兴技术的多指标量化识别研究--基于向量表征方法的探索 被引量:6
20
作者 孙蒙鸽 王燕鹏 +1 位作者 韩涛 刘盼盼 《图书情报工作》 CSSCI 北大核心 2022年第3期130-139,共10页
[目的/意义]立足计量视角,通过对新兴技术特征的量化评价识别“目前处于科学研究阶段、尚未完全进入产业研发落地”的新兴技术。[方法/过程]借助Node2Vec网络表征方法,从术语共现网络中学习技术术语的向量表示;以此为基础量化新兴技术... [目的/意义]立足计量视角,通过对新兴技术特征的量化评价识别“目前处于科学研究阶段、尚未完全进入产业研发落地”的新兴技术。[方法/过程]借助Node2Vec网络表征方法,从术语共现网络中学习技术术语的向量表示;以此为基础量化新兴技术“过去、现在及未来”三大时间维度特征-“融合性、新颖性及潜在的科学影响力”,用特征值筛选技术主题是否具有新兴性,由此探索得到向量表征视角下的新兴技术识别模型。最后以航空领域为例进行实证研究,验证该方法的科学性和合理性。[结果/结论]通过引入“术语向量表征”的计算视角,有效编码了术语实体间显性和隐性的关联关系,提升了新兴技术特征计算的客观性;同时结合技术的历史、当前和预测信息,从网络结构和语义特征两方面进行识别,取得了较好的效果。 展开更多
关键词 新兴技术识别 网络节点表征 链接预测 Node2vec 交叉融合性
原文传递
上一页 1 2 下一页 到第
使用帮助 返回顶部