基于矩阵分解的属性网络表示学习

作者：张潘; 卢光跃; 吕少卿; 赵雪莉

来源：计算机工程, 2020, 46(10): 67-73.

DOI：10.19678/j.issn.1000-3428.0055764

• 机器学习
• 网络分析
• 数据挖掘
• 网络表示学习
• 矩阵分解
• 网络嵌入

为融合网络拓扑结构与节点属性信息以提高网络表示学习质量,提出一种新的属性网络表示学习算法(ANEMF)。引入余弦相似性概念,定义网络二阶结构相似度矩阵和属性相似度矩阵,通过对网络结构相似度和属性相似度损失函数进行联合优化学习,并利用矩阵分解的形式实现网络拓扑结构与节点属性信息的融合,同时应用乘法更新规则计算得到节点表示向量。在3个公开数据集上的实验结果表明,与DeepWalk和TADW算法相比,ANEMF算法得到的节点表示向量能够保留网络拓扑结构与节点属性信息,有效提升其在节点分类任务中的综合性能。

• 单位
  西安邮电大学; 通信与信息工程学院