.png){kind=icon}
返回
NANE: A NODE2VEC EXTENSION FOR ATTRIBUTED NETWORK EMBEDDING
.png){kind=icon}
PRE
AI
DOI：10.7906/indecs.24.3.10.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统网络表示学习方法仅关注网络拓扑结构，忽视了可能提升学习过程的其他信息来源。而属性网络通过节点属性的形式融入额外上下文信息，能够生成更精确的网络节点表示。所提出的方法旨在将网络映射到低维空间，有效捕捉两种信息来源的交互。本研究提出了一种对node2vec算法的扩展，即节点2向量属性网络嵌入（Node2vec Attributed Network Embedding），该算法结合网络拓扑和节点属性来学习网络嵌入。我们在真实数据集上对节点分类和链路预测任务中节点2向量属性网络嵌入的性能与其他最先进方法进行了比较评估，结果表明节点2向量属性网络嵌入优于其他方法，并强调了融入多样化特征类型对网络表示学习的重要性。本研究为机器学习任务中网络数据表示的挑战提供了有价值的见解，并提出了一种将结构信息和属性信息融入网络嵌入过程的实用方法。
Keyword:
attributed network
feature learning
network representation learning
random walk
network analysis
期刊
I
IF:
0.6
论文数:
25
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
分享收藏
查看更多内容