{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,3,13]]，“日期时间”：“2024-03-13T21:10:37Z”，“时间戳”：1710364237912}，“出版商位置”：“加利福尼亚”，“引用计数”：0，“出版者”：“人工智能组织国际联合会议”，“内容域”：[]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2017,8]]}，”抽象“：”网络表示是许多应用的基础，在信息检索、社会网络分析和推荐系统等各个领域具有广泛的兴趣。以前的大多数网络表示方法只考虑问题的不完整方面，包括链接结构、节点信息和部分集成。本研究提出了一种深度网络表示模型，该模型无缝集成了网络的文本信息和结构。我们的模型利用深度无监督生成算法可变自动编码器（VAE）捕获节点之间高度非线性的关系和网络的复杂特征。我们还将用段落向量模型学习的表示与用VAE学习的表示合并，以获得既保留结构信息又保留文本信息的网络表示。我们对基准数据集进行了全面的实证实验，发现我们的模型在很大程度上优于最先进的技术<\/jats:p>“，”DOI“：”10.24963\/ijcai.2017\/292“，”type“：”proceedings-article“，”created“：{”date-parts“：[[2017,7,28]]，”date-time“：”2017-07-28T09:14:07Z“，”timestamp“：1501233247000}“，”source“：“Crossref”，“is-referenced-by-count”：5，“title”：[“Varial Autocoder对信息网络的有效表示”]，“前缀”：“10.24963”，“author”：[{“给定”：“Hang“，”family“：”Li“，”sequence“：”first“，”affiliation“：[{”name“：”中国南开大学计算机与控制工程学院“}]}，{”given“：”Haozheng“，“family”：“Wang”，“sequence”：“additional”，“affiliation:”[{“name”：“”中国南开大学计算机与控制工程学院“{]}”，{“given”：“Zhenglu”，“faily”：”Yang“，“se序列”：“additional“，”affiliation“：[{“name”：“中国南开大学计算机与控制工程学院”}]}，{“given”：“Haochen”，“family”：“Liu”，“sequence”：“additional”，“affiliation:[{”name“：”Institute of Statistics，China Nankai University“}]}]，“member”：“10584”，“event”：{“name:”第二十六届国际人工智能联合会议”，“主题”：“人工智能”，“地点”：“澳大利亚墨尔本”，“缩写”：“IJCAI-2017”，“数字”：“26”，“赞助商”：[“国际人工智能组织联合会议（IJCAI）”，“悉尼理工大学（UTS）”，《澳大利亚计算机学会（ACS）》]，“start“：{“date-parts”：[[2017,8,19]]}，“end”：{”date-part“：[[2017，8,26]]}}，”container-title“：[”第二十六届国际人工智能联合会议论文集“]，”原文标题“：[]，”deposed“：”date-ports“：[[2017,7,28]]，”date-time“：”2017-07-28T11:53:13Z“，”timestamp“：1501242793000}，‘score’：1，‘resource’：{“主要”：{“URL”：“https:\/\/www.ijcai.org\/procedures\/2017\/292“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2017,8]]}，“引用计数”：0，“URL”：“http://\/dx.doi.org\/10.24963\/ijcai.2017\/292”，“关系”：{}，‘主题’：[]、“已发布”：{“日期部分”：[2017,8]}}}}