典型文献
基于平移约束的异质超网络表示学习
文献摘要：
与仅具有节点成对关系的普通网络不同,超网络的节点之间还存在复杂的元组关系,即,超边.而现有的大多数网络表示学习方法不能有效地捕获复杂的元组关系.针对上述问题,该文提出一种基于平移约束的异质超网络表示学习方法(HRTC).首先,该方法结合团扩展和星型扩展将抽象为超图的异质超网络转换为抽象为2-截图+关联图的异质网络.然后,提出一种感知节点语义相关性的元路径游走方法来捕获节点之间的语义关系.最后,在训练节点成对关系的同时,通过引入知识表示学习中的平移机制来捕获节点之间的元组关系.实验结果表明,对于链接预测任务,该方法的性能接近于其他最优基线方法;对于超网络重建任务,当超边重建比率大于0.6时,该方法在drug数据集上的性能优于其他最优基线方法,同时该方法在GPS数据集上的平均性能超过其他最优基线方法16.24％.
文献关键词：
网络表示学习;超网络结构;平移约束;链接预测;超网络重建
中图分类号：
作者姓名：
刘贞国;朱宇;赵海兴;王晓英;黄建强
作者机构：
青海大学计算机技术与应用系,青海西宁810000;青海师范大学藏语智能信息处理及应用国家重点实验室,青海西宁810000
文献出处：
引用格式：
[1]刘贞国;朱宇;赵海兴;王晓英;黄建强-.基于平移约束的异质超网络表示学习)[J].中文信息学报,2022(12):74-84
A类：
平移约束,HRTC,超网络重建
B类：
网络表示学习,元组,表示学习方法,星型,超图,网络转换,截图,关联图,异质网络,感知节点,语义相关性,元路径,游走,语义关系,知识表示学习,链接预测,drug,GPS,超网络结构
AB值：
0.255437
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。
