针对已有聚合式图嵌入方法多采用均匀采样函数为图中节点构建邻域,即仅随机采样邻居节点,而忽略各邻居节点自身性质的差异的问题,提出基于度值的非均匀邻居节点采样方法.针对目标节点,优先采样其度值较大的邻居节点;隐藏一批度值较小的邻居节点,使它们在采样过程中不出现;在邻居节点集中随机采样剩余的节点以保留一定的采样随机性,这些随机采样的节点与优先采样的节点组成目标节点的邻域.将所提出的非均匀邻居节点采样方法应用于图嵌入过程,在Reddit数据集上的图嵌入分类F1分数为91.7%,该结果优于几个知名的图嵌入方法的结果.在重叠社团数据集PPI上的实验证实提出方法能够为图数据生成更高质量的嵌入.
类型: 期刊论文
作者: 陈思,蔡晓东,侯珍珍,李波
关键词: 图嵌入,网络嵌入,非均匀采样,图卷积网络,邻域聚合
来源: 浙江大学学报(工学版) 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学
专业: 数学
单位: 桂林电子科技大学信息与通信学院
基金: 新疆自治区重点研发计划资助项目(2018B03022-1,2018B03022-2)
分类号: O157.5
页码: 2163-2167+2205
总页数: 6
文件大小: 1207K
下载量: 99
本文来源: https://www.lunwen66.cn/article/2d3df67797389228e7235134.html