科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于现实中存在权限设置，获取数据成本过高等因素，大多数收集到的网络仅为完整网络的局部，检测缺失的节点是处理网络不完整问题的有效途径之一。网络缺失节点的检测是一个复杂的问题，因为其不仅需要判断网络是否缺失了节点，还需要分析与缺失节点相关的边。于是提出了基于度量学习的网络缺失节点检测模型（MND-M），它利用图卷积神经网络分别学习两个样本，学习的结果用于预测每组样本内是否缺失了节点，并利用度量学习方法比较一对样本嵌入的相似度，判断它们缺失的节点是否为同一个。模型在完整网络中构造了样本数据及标签来训练模型，帮助其获得缺失节点检测的能力。在4个数据集上进行了实验，结果表明MND-M能有效检测出网络中节点，获得较高的准确率和F1值。
- 单位
