典型文献
基于特征加强的异构网络潜在摘要模型
文献摘要：
随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点.现提出两个不同的任务:生成图摘要和生成图的节点表示.图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据中的结构信息,并为下游任务生成节点表示.但是,在大规模网络数据中,在生成图摘要和嵌入表示时仍需要解决一些挑战.为克服大规模异构网络数据带来的科学计算和存储空间问题,提出基于特征加强的异质网络潜在摘要模型(FELS),通过融合节点特征和图属性获得大规模异构网络数据的摘要表示.首先,将原图中不同的节点特征作为基础特征,通过应用多种关系算子捕获高阶子图结构信息;然后,根据不同的图属性通过桶映射方式学习上下文的潜在子空间结构;最后,对学习到的上下文特征矩阵利用奇异值分解获取异构网络的潜在摘要表示,即一种独立于输入图大小维度紧凑的潜在图摘要,同时能够获取节点表示.实验结果表明,与传统方法相比,提出的FELS模型能够获得更优质的潜在摘要且具有更低的模型复杂度,在链路预测任务上具有更高的效率和精度.
文献关键词：
潜在摘要;网络表示;结构学习;关系算子;特征选择
中图分类号：
作者姓名：
徐正祥;王英;汪洪吉;王鑫
作者机构：
吉林大学 计算机科学与技术学院,长春 130012;符号计算与知识工程教育部重点实验室,长春 130012;吉林大学 人工智能学院,长春 130012
文献出处：
引用格式：
[1]徐正祥;王英;汪洪吉;王鑫-.基于特征加强的异构网络潜在摘要模型)[J].计算机科学与探索,2022(11):2537-2546
A类：
潜在摘要,紧凑表示,FELS,关系算子
B类：
特征加强,异构网络,网络数据,网络表示,成图,节点表示,速查,任务生成,大规模网络,嵌入表示,科学计算,存储空间,异质网络,节点特征,原图,子图,图结构信息,子空间结构,上下文特征,特征矩阵,奇异值分解,模型复杂度,链路预测,结构学习,特征选择
AB值：
0.249648
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。
