基于结构深度网络嵌入模型的节点标签分类算法

摘要：

在海量数据呈现爆炸增长态势的互联网时代,传统算法已无法满足处理大规模、多类型数据的需求.近年来最新的图嵌入算法通过学习图网络特征,在链路预测、网络重构和节点分类实践中普遍取得了极佳的效果.文中基于传统自动编码器模型,创新地提出了一种融合Sdne算法与链路预测相似度矩阵的新算法,通过在反向传播过程中引入高阶损失函数,依据自编码器的新特征调整性能,改进传统算法中以单一方式判定节点相似度这一方法存在的弊端,并建立简易模型分析证明优化的合理性.对比最新研究中效果最好的Sdne算法,该算法在Micro-F1和Macro-F1两种评价指标上的提升效果均接近1％,可视化分类效果表现良好.与此同时,研究发现高阶损失函数超参的最优值大致处于1～10范围内,数值的变化依旧能够基本稳定维持整体网络的鲁棒性.

关键词：网络嵌入;深度学习;节点分类;自动编码器;复杂网络

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

资助基金：国家社会科学基金;中国人民公安大学基本科研业务费项目;中国人民公安大学公共安全行为科学实验室开放课题;公安部重点实验室开放课题项目

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：105-112