典型文献
基于无监督集群级的科技论文异质图节点表示学习方法
文献摘要：
科技论文数据的知识表征是一个有待解决的问题,而如何学习科技论文异质网络中论文节点的表示是解决这一问题的核心.文中提出了一种基于无监督集群级的科技论文异质图节点表示学习方法(Unsupervised Cluster-level Scientific Paper Heterogeneous Graph Node Representation Learning Method,UCHL),以获取科技论文异质图中节点(作者、机构与论文等)的表示.基于科技论文异质图表示对整个异质图进行链接预测,获取节点之间边的关系,即论文与论文之间的关联关系.实验结果表明,在真实的科技论文数据集上,所提方法在多项评测指标上都取得了更优的性能.
文献关键词：
科技论文;异质图网络;图表示学习;链接预测;无监督学习
中图分类号：
作者姓名：
宋杰;梁美玉;薛哲;杜军平;寇菲菲
作者机构：
北京邮电大学计算机学院(国家示范性软件学院)智能通信软件与多媒体北京市重点实验室 北京100876
文献出处：
引用格式：
[1]宋杰;梁美玉;薛哲;杜军平;寇菲菲-.基于无监督集群级的科技论文异质图节点表示学习方法)[J].计算机科学,2022(09):64-69
A类：
UCHL,异质图网络
B类：
科技论文,节点表示,表示学习方法,论文数,知识表征,异质网络,中论,Unsupervised,Cluster,level,Scientific,Paper,Heterogeneous,Graph,Node,Representation,Learning,Method,中节点,链接预测,关联关系,评测指标,图表示学习,无监督学习
AB值：
0.347605
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。
