基于深度自编码的局部增强属性网络表示学习

作者：陈嶷瑛; 张珊珊; 柴变芳

来源：计算机应用研究, 2020, (09): 2610-2614.

DOI：10.19734/j.issn.1001-3695.2019.04.0126

• 网络表示
• 深度自编码器
• 属性网络
• 局部增强网络表示 network embedding
• deep auto-encoder
• attribute network
• locally enhanced network embedding

基于深度自编码器的网络表示,可以捕获高度非线性的网络结构,但当链接稀疏时学到的表示不够准确。针对这一问题,提出一种基于深度自编码的局部增强属性网络表示学习模型,以提高表示学习的准确度。该模型首先利用链接与属性特征,采用多个深度自编码器,学习保持网络拓扑结构及属性特征的低维网络表示。之后,基于节点间近邻结构及属性相似性,对学出的低维网络表示进行节点约束,实现网络局部结构增强,达到最大程度保持原始结构信息及属性特征的目的。在五个真实属性网络上的实验结果表明,提出的模型在聚类与分类任务中,效果均优于目前流行的表示学习方法。

• 单位
  河北地质大学