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79篇文章)

显示79个结果中的1到20个。
按年份排序(引用)
  1. 陈杰;萨阿德,尤瑟夫;张泽臣:图形粗化:从科学计算到机器学习(2022)
  2. 梁、波;王林;王晓凡:OLMNE+FT:基于重叠链路的复用网络嵌入(2022)
  3. 李轩;吕、林;陈磊:用标记空间划分法鉴定小鼠蛋白质功能(2022)
  4. 孟,凌奇;Masuda,Naoki:具有node2vec移动性的集合种群网络的流行病动力学(2022)
  5. 张元;夏东:网络时代的埃奇沃思扩张(2022)
  6. 陈娇艳;胡、潘;希门尼斯·鲁伊斯,欧内斯托;霍尔特,奥勒·马格努斯;安东尼拉贾,丹瓦;Horrocks,Ian:\texttowl2vec*:嵌入OWL本体论(2021)
  7. 陈俊阳;龚志国;王伟;刘伟文:HNS:网络表征学习的分层负抽样(2021)
  8. 段震;孙,西安;赵、蜀;陈杰;张延平;唐杰:网络嵌入的层次结构保持方法(2021)
  9. 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)
  10. Haghir Chehreghani,Mostafa:动态图回归的次线性更新时间随机化算法(2021)
  11. 何介岳;王金蒙;于志洲:基于注意的网络嵌入敌对正则化学习(2021)
  12. 康、波;加西亚加西亚,达里奥;李菲特,杰弗雷;桑托斯·罗德里格斯,劳尔;De Bie,Tijl:条件t-SNE:更多信息的t-SNE嵌入(2021)
  13. 李,阎莉;东、羌;周涛:通过控制前导特征向量进行链路预测(2021)
  14. 廖子涵;梁文新;崔,贝蕾;刘欣:基于“质心”增强的结构引导属性网络嵌入(2021)
  15. 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)
  16. 马桂香;艾哈迈德,奈斯林K。;威尔克,西奥多L。;俞,Philip S.:深度图相似性学习:一项调查(2021年)
  17. 马、郑;宣、君玉;王玉光;李明;Liò,Pietro:基于路径积分的图神经网络卷积与池(2021)
  18. 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)
  19. 桑娜·帕西诺,弗朗西斯科;贝蒂格,安娜S。;尼尔,约书亚C。;Nicholas A:使用随机点积图进行动态网络中的链路预测(2021)
  20. 斯坦科娃,玛丽娅;普雷特,斯蒂恩;马丁,大卫;Foster教务长:通过投影对二部图进行节点分类(2021)