计算机科学››2022,第49卷››问题(9): 64-69.数字对象标识:1896年10月10日/jsjkx.220500196
• 数据库&大数据&数据科学*• 上一篇 下一篇
宋杰, 梁美玉, 薛哲, 杜军平, 寇菲菲
收稿日期:
修回日期:
出版日期:
发布日期:
通讯作者:
作者简介:
基金资助:
宋杰、梁美佑、薛哲、杜俊平、孔飞飞
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:科技论文数据的知识表征是一个有待解决的问题,而如何学习科技论文异质网络中论文节点的表示是解决这一问题的核心。文中提出了一种基于无监督集群级的科技论文异质图节点表示学习方法(无监督集群级科学论文异构图节点表示学习方法,UCHL),以获取科技论文异质图中节点(作者、机构与论文等)的表示。基于科技论文异质图表示对整个异质图进行链接预测,获取节点之间边的关系,即论文与论文之间的关联关系。实验结果表明,在真实的科技论文数据集上,所提方法在多项评测指标上都取得了更优的性能。
关键词: 科技论文, 异质图网络, 图表示学习, 链接预测, 无监督学习
摘要:科技论文数据的知识表示是一个亟待解决的问题,如何学习科技论文异构网络中论文节点的表示是解决这一问题的核心。提出了一种无监督聚类层次的科技论文异质图节点表示学习方法(UCHL),旨在获取科技论文异质图形中节点(作者、机构、论文等)的表示。基于异构图表示,对整个异构图进行链接预测,得到节点边缘之间的关系,即纸张与纸张之间的关系。实验结果表明,该方法在真实科学论文数据集上的多个评价指标上取得了优异的性能。
关键词: 科学论文, 异构图形网络, 图形表示学习, 链接预测, 无监督学习
中图分类号:
宋杰, 梁美玉, 薛哲, 杜军平, 寇菲菲.基于无监督集群级的科技论文异质图节点表示学习方法[J] ●●●●。计算机科学, 2022, 49(9): 64-69. https://doi.org/10.11896/jsjkx.220500196
宋杰、梁美佑、薛哲、杜俊平、孔飞飞。基于无监督聚类层次的科技论文异构图节点表示学习方法[J] ●●●●。计算机科学,2022,49(9):64-69。https://doi.org/10.11896/jsjkx.220500196
0 / / 推荐
导出引用管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
链接本文: https://www.jsjkx.com/CN/10.11896/jsjkx-220500196
https://www.jsjkx.com/CN/Y2022/V49/I9/64
引用