深水步行

DeepWalk:在线学习社交表征。我们提出了一种学习网络中顶点潜在表示的新方法DeepWalk。这些潜在的表征将社会关系编码在一个连续的向量空间中,这很容易被统计模型利用。DeepWalk概括了语言建模和无监督特征学习(或深度学习)从单词序列到图形的最新进展。DeepWalk利用截短随机游动获得的局部信息,通过将行走视为句子的等价物来学习潜在的表示。演示了YouTube上的多个潜在分类任务,如YouTube的多个潜在分类网络,如Flickr的多个网络分类。我们的结果显示,DeepWalk的性能优于那些允许全局查看网络的具有挑战性的基线,尤其是在存在缺失信息的情况下。当标记数据稀疏时,DeepWalk的表示法可以提供比竞争方法高出10%的F1分数。在一些实验中,DeepWalk的表示法在使用训练数据少60%的情况下优于所有的基线方法。DeepWalk也是可扩展的。它是一种在线学习算法,可以生成有用的增量结果,并且具有很小的并行性。这些特性使得它适用于广泛的实际应用,如网络分类和异常检测。


zbMATH中的参考文献(参考文献42条)

显示第1到第20个结果,共42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. 韩新宇;赵毅;Small,Michael:有向无环网络在水库计算中的存储容量(2021)
  3. 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)
  4. 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)
  5. 王,余姚;布战;杨欢;李惠嘉;曹杰:一种有效且可扩展的重叠社区检测方法:社会认同模型与博弈论的整合(2021)
  6. 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)
  7. 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)
  8. 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)
  9. 陈一奇;钱铁云:关系约束属性网络嵌入(2020)
  10. 傅斯超;刘伟峰;陶,大鹏;周一聪;聂立强:HesGCN:半监督分类的Hessian图卷积网络(2020)
  11. 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)
  12. 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)
  13. Juda,Mateusz:采样向量场的无监督特征学习(2020)
  14. 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)
  15. 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)
  16. 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)
  17. 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)
  18. 李明;马、郑;王玉光;庄晓生:图神经网络的快速Haar变换(2020)
  19. 吕少卿;香、菊;冯景宇;王红刚;陆光岳;李敏:基于边缘重加权预处理的社区增强网络嵌入(2020)
  20. 吕汉白;尼德尔,迪安娜;巴尔扎诺,劳拉:马尔科夫数据的在线矩阵分解及其在网络词典学习中的应用(2020)