节点2VEC

node2vec:网络的可扩展特征学习。网络中节点和边缘的预测任务需要仔细研究学习算法所使用的工程特征。近年来,在表征学习这一更广泛领域的研究已经在通过学习特征本身实现预测自动化方面取得了重大进展。然而,现有的特征学习方法对于捕捉网络中观察到的连通模式的多样性还不够充分。这里我们提出了node2vec,一个学习网络中节点连续特征表示的算法框架。在node2vec中,我们学习了节点到低维特征空间的映射,从而最大限度地保留节点的网络邻域。我们定义了一个灵活的节点邻域概念,并设计了一个有偏随机游走过程,有效地探索了不同的邻域。我们的算法推广了基于严格的网络邻域概念的先前工作,并且我们认为在探索邻域时增加灵活性是学习更丰富表示的关键。我们证明了node2vec在多个不同领域的实际网络中对多标签分类和链路预测的有效性。综上所述,我们的工作代表了一种在复杂网络中高效学习与任务无关的表示的新方法。


zbMATH中的参考文献(参考文献48条)

显示结果1到20,共48个。
按年份排序(引用)
  1. 郭晓阳;斯利瓦斯塔瓦,Anuj;Sarkar,Sudeep:图形数据生成统计分析的商空间公式(2021)
  2. 李建新;纪成;彭浩;何,余;宋,阳秋;张新苗;彭繁章:RWNE:一个基于随机游走的个性化高阶邻近性网络嵌入框架(2021)
  3. 玛库里奥,保拉;刘迪:用网络嵌入技术识别化学动力学系统的过渡态(2021)
  4. 岑玉国、侯振宇、王彦、陈启斌、罗一珍、姚兴成、曾敖汉、郭士光、张鹏、戴国浩、王宇、常州、杨红霞、唐洁:图论深度学习的广泛工具集(2021)阿尔十四
  5. 朱元元;胡斌;陈雷;戴琦:iMPTCE Hnetwork:一种多标记分类器,用于识别具有异质网络的化学物质和酶的代谢途径类型(2021)
  6. 阿德里安,弗洛里安;德比,蒂吉尔;乔尼斯,阿里斯蒂德;李菲特,杰弗雷;马塔科斯,安东尼斯;Rozenshtein,Polina:放松边缘强度推断的强三元闭包问题(2020)
  7. Aggarwal,Charu C.:机器学习的线性代数与优化。教材(2020)
  8. 阿纳尼耶娃,玛丽娜;马卡罗夫,伊利亚;Pendiukhov,Mikhail:GSM:动态图嵌入的归纳学习(2020)
  9. 贝德鲁,海亚特迪诺;余,朔;萧,新茹;张大中;万、良田;郭,何;夏峰:大网络:一项调查(2020年)
  10. Benedek Rozemberczki,Oliver Kiss,Rik Sarkar:面向API的无监督图形学习开源Python框架(2020)阿尔十四
  11. 陈一奇;钱铁云:关系约束属性网络嵌入(2020)
  12. Chunaev,Petr:节点属性社交网络中的社区检测:一项调查(2020年)
  13. 科明,塞萨尔H。;贝隆,托马斯;席尔瓦,菲利皮N。;阿曼西奥,迭戈R。;罗德里格斯,弗朗西斯科A。;Costa,Luciano da F.:复杂系统:特征、相似性和连通性(2020)
  14. 韩,肖;张春红;郭晨晨;吉,杨;胡,郑:基于子图感知邻近度的知识图分布式表示(2020)
  15. Interdonato,罗伯托;麦格纳尼,马特奥;佩纳,迭戈;塔加雷利,安德里亚;Vega,Davide:多层网络简化:方法、模型和方法(2020)
  16. Yoon Jisung Yoon,Kai Cheng Yang Yang,Woo Sung Jung,Yong Yeol Ahn:Persona2vec:一个灵活的多角色图形表示学习框架(2020)阿尔十四
  17. 卡泽米,赛义德梅赫兰;歌尔,里沙布;耆那,克希提;科比泽夫,伊万;塞提,阿克夏;福塞斯,彼得;Poupart,Pascal:动态图的表示学习:调查(2020)
  18. 拉夫拉契纳达;什克尔吉,布拉ž;罗布尼克-西康贾,马尔科:命题化和嵌入:同一个硬币的两面(2020)
  19. 李,欧俊;Jung,Jason J.:故事嵌入:学习基于角色网络的分布式故事表示(2020)
  20. 李本田;皮,德昌;林云霞;伊扎尔·艾哈迈德·汗;崔林:基于多源信息融合的异构网络嵌入(2020)