一种基于层级信息优化的有向网络表示学习方法

摘要：

网络表示方法旨在将每个节点映射到低维向量空间,并保留节点在网络中的结构关系.有向网络的环中节点相互可达,破坏了非对称传递性,影响了模型对网络整体结构信息的学习.为削弱有向网络的环在表示学习中的影响,增强模型对全局结构信息的感知,文中提出了一种针对有向网络表示学习的优化方法.该方法借助TrueSkill方法获取节点的层级信息,将该信息转化为边权重并引入表示学习过程.文中将此方法应用到已有的多种有向网络表示学习方法中,多个有向网络数据集上的链接预测和节点分类任务的实验结果表明,所提方法的性能相比原有方法得到了明显提升.

关键词：有向网络、表示学习、层级信息、链路预测

所属期刊栏目：48

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61836007,61772354,61773276

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：100-104