典型文献
GeNI:一种面向节点分类的网络表示学习方法
文献摘要：
针对现有网络表示学习方法在节点分类任务中效果不佳的问题,提出了一种融合节点重要性指标的图表示学习方法GeNI(Graph embedding based on node importance).该方法通过节点度、集聚系数等节点重要性指标,先将网络中节点分为若干类,再与经典随机游走node2vec方法相结合,对不同重要性指标的节点,在图嵌入阶段采用不同随机游走方式进行节点序列采集,学习节点嵌入.实验表明,该方法在不同领域、不同规模图数据的节点分类中效果均有提升.
文献关键词：
网络表示学习;随机游走;节点重要性;节点分类
中图分类号：
作者姓名：
黄亮;杨春明
作者机构：
西南科技大学计算机科学与技术学院 四川绵阳 621010;四川省大数据与智能系统工程技术研究中心 四川绵阳 621010
文献出处：
引用格式：
[1]黄亮;杨春明-.GeNI:一种面向节点分类的网络表示学习方法)[J].西南科技大学学报,2022(04):63-71
A类：
GeNI
B类：
节点分类,网络表示学习,表示学习方法,分类任务,节点重要性,重要性指标,图表示学习,Graph,embedding,on,importance,过节,节点度,中节点,若干类,随机游走,node2vec,图嵌入,节点序,节点嵌入,不同规模,图数据
AB值：
0.370227
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。
