科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于互信息的属性异构信息网络无监督网络表示学习方法,根据预设的节点类型和元路径在原始属性异构信息网络中提取出多视角网络,分别对每个单视角网络训练一个编码器,训练时采用基于互信息的无监督学习方法进行,且损失函数综合考虑每个视角节点表示和全局表示的互信息,在学习得到每个视角的节点表示矩阵后,利用互信息计算出每个视角的重要性得分,根据重要性得分将每个视角的节点表示矩阵进行加权求和,得到最终的节点表示矩阵。本发明综合考虑了网络结构信息、节点属性信息、异构信息网络之间不同边的交互作用以及节点在不同视角网络中的重要性,可以有效提高节点表示的准确性。
-
单位之江实验室; 华东师范大学
