典型文献
基于聚合多阶邻域信息的细化方法的多粒度网络表示学习
文献摘要：
多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法 NRAM(Network Refinement based on Aggregating Multi-neighboring information).首先,对于粗化阶段生成的多粒度网络,仅利用现有的网络表示学习方法学习最粗粒度网络的表示;然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入;最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示,迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了 NRAM的有效性.
文献关键词：
网络;网络表示学习;多粒度网络表示学习;节点分类
中图分类号：
作者姓名：
赵姝;刘梦婷;杜紫维;宋文超;韩光洁
作者机构：
计算智能与信号处理教育部重点实验室,合肥230601;安徽大学计算机科学与技术学院,合肥230601;安徽省信息材料与智能传感重点实验室,合肥230601;北京智创信安信息科技有限公司,北京100080;河海大学物联网工程学院,江苏常州213022
文献出处：
引用格式：
[1]赵姝;刘梦婷;杜紫维;宋文超;韩光洁-.基于聚合多阶邻域信息的细化方法的多粒度网络表示学习)[J].小型微型计算机系统,2022(12):2471-2478
A类：
多粒度网络表示学习,NRAM,Aggregating
B类：
多阶,邻域信息,表示学习方法,法因,节点表示,多粒度特征,粗化,网络规模,粗粒度,度空间,Network,Refinement,Multi,neighboring,information,方法学,细粒度,结构信息,节点向量,公共数据,上节,节点分类
AB值：
0.176453
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。
