科研之友
微信
新浪微博
Facebook
分享链接
摘要
网络已被广泛用作抽象现实世界系统以及组织实体之间关系的数据结构；网络嵌入模型是将网络中的节点映射为连续向量空间表示的强大工具；基于图卷积(GCN,graph convolutional neural, GCN)的网络嵌入方法因受其模型迭代过程参数随机优化和聚合函数的影响，容易造成原始节点特征信息丢失的问题；为有效提升网络嵌入效果，针对于图神经网络模型在网络嵌入中节点表征学习的局限性，提出了一种基于二阶邻域基数保留策略的图注意力网络(SNCR-GAT,second-order neighborhood cardinality retention strategy graph attention network),通过聚合二阶邻域特征基数的方式，解决网络节点潜在特征学习过程中重要信息保留问题；通过在节点分类和可视化两个网络嵌入应用任务上进行实验，结果表明，SNCR-GAT模型在网络嵌入上的性能表现相比较基准方法更具优越性。
- 单位
