正弦 swMATH ID: 32344 软件作者： 张道坤、尹洁、朱星泉、张成琦 描述： SINE：严重的不完整网络嵌入。属性网络嵌入旨在学习网络中节点的低维向量表示，其中每个节点都包含描述节点内容的丰富属性/特征。由于网络拓扑结构和节点属性往往表现出很高的相关性，将节点属性的接近性纳入网络嵌入有利于学习良好的向量表示。事实上，大规模网络通常具有不完整/缺失的节点内容或链接，而现有的属性网络嵌入算法都是在假设网络是完整的情况下运行的。因此，它们的性能易受数据丢失的影响，并且可扩展性较差。本文提出了一种从不完全图中学习节点表示的可伸缩不完全网络嵌入（SINE）算法。SINE构建了一个概率学习框架，该框架分别对节点上下文和节点属性关系对进行建模。与现有的属性网络嵌入算法不同，SINE提供了更大的灵活性，以充分利用有用信息，并减轻信息缺失对表征学习的负面影响。推导了一种基于随机梯度下降的在线算法来学习节点表示，使SINE能够以较高的学习效率扩展到大规模网络。我们通过在真实网络上的大量实验来评估SINE的有效性和效率。实验结果证实，在缺少链路和节点属性的情况下，SINE在各种任务中，包括节点分类、节点聚类和链路预测，都优于最先进的基线。SINE在具有数百万节点/边缘和高维节点特征的大规模网络上也表现出可扩展性和高效性。本文的源代码位于https://github.com/daokunzhang/SINE网站 主页： https://arxiv.org/abs/1810.06768 源代码： https://github.com/daokunzhang/SINE网站 相关软件： 数字Py；RolX公司；节点2vec；GraRep公司；PyGSP公司；FSCNMF公司；节点开关；GL2矢量；科学Py；PyTorch公司；TensorFlow公司；Scikit公司；NetLSD公司；graph2vec（图形2vec）；图形工具；NetworkX公司；SNAP（快照）；蟒蛇；空手道 引用于： 0个文档