复杂网络的双曲空间表征学习方法

摘要：

复杂网络在现实场景中无处不在,高效的复杂网络分析技术具有广泛的应用价值,比如社区检测、链路预测等.然而,很多复杂网络分析方法在处理大规模网络时需要较高的时间、空间复杂度.网络表征学习是一种解决该问题的有效方法,该类方法将高维稀疏的网络信息转化为低维稠密的实值向量,可以作为机器学习算法的输入,便于后续应用的高效计算.传统的网络表征学习方法将实体对象嵌入到低维欧氏向量空间中,但复杂网络是一类具有近似树状层次结构、幂率度分布、强聚类特性的网络,该结构更适合用具有负曲率的双曲空间来描述.针对复杂网络的双曲空间表征学习方法进行系统性的介绍和总结.

关键词：复杂网络、双曲空间、表征学习、网络嵌入、机器学习

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;中山市高端科研机构创新专项;广东省"大专项+任务清单"项目

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共25页

页码：93-117