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。我们展示了DeepWalk在一些社交网络的多标签网络分类任务上的潜在表现,比如BlogCatalog、Flickr和YouTube。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63条)

显示第1到第20个结果,共63个。
按年份排序(引用)
  1. 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)
  2. 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)
  3. 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)
  4. 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)
  5. 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)
  6. 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)
  7. 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)
  8. 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)
  9. 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)
  10. 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)
  11. 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)
  12. 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)
  13. 王丽丽;黄成汉;马伟成;刘瑞波;Vosoughi,Soroush:时间网络的双曲节点嵌入(2021)
  14. 王庆祥;Kaliszyk,Cezary:JEFL:形式证明库的联合嵌入(2021)
  15. 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)
  16. 魏茂生;吴俊;杨丽娜;唐元彦:基于矩阵分解的双网络协同嵌入社会推荐(2021)
  17. 魏少伟;于国贤;王军;多梅尼科尼,卡洛塔;张向良:异构信息网络的多集群(2021)
  18. 肖云鹏;李瑞;卢星宇;刘彦兵:基于特征表示与融合的链路预测(2021)
  19. 徐梦佳:理解图嵌入方法及其应用(2021)
  20. 杨,益阳;邓素成;卢娟;李玉红;龚志国;U、 梁侯;郝志峰:graphshc:走向大尺度谱超图聚类(2021)