典型文献
表征学习驱动的多重网络图采样
文献摘要：
已有的图采样方法侧重于单图采样,关注如何在一张图上通过采样保留其特定的拓扑结构特征.随着数据采集能力的提升,多重网络图在实际应用中越来越普遍,即相同的节点集在不同场景中具有不同的网络关系.针对传统图采样方法无法兼顾多重网络图结构特征的问题,提出了表征学习驱动的多重网络图采样算法.首先,设计融合多重网络图结构特征的图表征学习方法,将节点投影至二维的表征学习空间;其次,利用改进的自适应蓝噪声采样算法,考虑节点密度和网络连通性,从表征学习空间筛选节点,以保持其多重网络结构特征及图上下文结构特征.进而开发了一套多重网络图采样可视分析系统,支持用户交互式地探索多重网络图采样,并与已有采样算法进行对比.案例分析和评估实验证明了本文算法在多重网络图采样中的有效性.
文献关键词：
多重网络图;图采样;可视分析;评估
中图分类号：
作者姓名：
虞瑞麒;刘玉华;沈禧龙;翟如钰;张翔;周志光
作者机构：
杭州电子科技大学 数字媒体与艺术设计学院,浙江 杭州 310018;浙江财经大学 信息管理与人工智能学院,浙江 杭州 310018
文献出处：
引用格式：
[1]虞瑞麒;刘玉华;沈禧龙;翟如钰;张翔;周志光-.表征学习驱动的多重网络图采样)[J].浙江大学学报（理学版）,2022(03):271-279,293
A类：
多重网络图
B类：
表征学习,学习驱动,图采样,采样方法,一张图,过采样,拓扑结构,采集能力,中越,点集,同场,网络关系,图结构,采样算法,设计融合,图表,学习空间,蓝噪声,节点密度,网络连通性,网络结构特征,上下文,可视分析,用户交互,交互式
AB值：
0.214919
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
