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。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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）