![基于权重模拟的复杂网络链路预测算法研究]()
论文摘要随着科技的进步,以复杂网络为研究对象的网络科学得到快速发展。作为网络科学的热门研究方向之一,链路预测的主要任务是发现网络中未知或错误的链接。链路预测的研究不仅有助于理解...
![面向文献数据的网络表示学习方法研究]()
论文摘要文献信息的获取是开展科研工作的重要环节,如何高效地从海量的文献数据中挖掘出有用信息,是科研工作者需要解决的共性问题。文献数据可建模为网络形式进行分析,复杂而庞大的文献网...
![基于子图卷积自编码的网络表示学习算法研究]()
论文摘要在现实世界中,数据通常被组织成图的形式广泛应用于各个领域中,如城市交通网络,电力网络等;图数据中包含着丰富的信息,对图数据进行有效的分析和应用变得越来越重要。因此,利用...
![基于随机游走的网络表示学习算法研究]()
论文摘要网络表示学习旨在研究网络中节点的低维表示,进而将这种低维表示应用于聚类、分类、社区发现、链路预测等场景。使用随机游走产生序列,从该序列中提取网络中节点的低维特征,是网络...
![基于Attention深度随机森林的社区演化事件预测]()
论文摘要在网络结构不断变化的同时,社区结构也随之演化.社区结构在不同时间片的变化可定义为四种不同的演化事件:持续、分离、融合和消失.本文运用网络表示学习的方法,对网络进行图嵌入...
![融合节点描述属性信息的网络表示学习算法]()
论文摘要为融合节点描述信息提升网络表示学习质量,针对社会网络中节点描述属性信息存在的语义信息分散和不完备性问题,提出一种融合节点描述属性的网络表示（NPA-NRL）学习算法。首...
![网络表示学习的研究与发展]()
论文摘要网络表示学习旨在将网络中的节点表示成低维稠密且具有一定推理能力的向量,以运用于节点分类、社区发现和链路预测等社交网络应用任务中,是连接网络原始数据和网络应用任务的桥梁。...
![基于多粒度结构的网络表示学习]()
论文摘要图卷积网络（GCN）能够适应不同结构的图,但多数基于GCN的方法难以有效地捕获网络的高阶相似性。简单添加卷积层将导致输出特征过度平滑并使它们难以区分,而且深层神经网络更...
![基于网络表示学习的非单一维度的社区发现算法]()
论文摘要针对现有的社区发现算法难以解决网络的多维性问题的现象,提出一种基于网络表示学习的非单一维度的社区发现算法。该算法从节点属性特征和网络结构特征两个维度考虑节点的差异性,首...
![基于邻节点和关系模型优化的网络表示学习]()
论文摘要网络表示学习旨在于将网络的拓扑结构、节点内容和其他信息嵌入到低维度的向量空间中,从而为网络数据挖掘、链路预测和推荐系统提供一种有效的工具.然而,现有的基于神经网络的表示...
