DNPS:基于阻尼采样的大规模动态社会网络结构特征表示学习
文献类型：期刊
作者：李志宇[1]
机构：中国人民大学信息学院;中国人民大学信息资源管理学院
年：2017
期刊名称：计算机学报
期：04
页码范围：805-823
增刊：正刊
收录情况：中文核心期刊要目总览
所属部门：信息学院；信息资源管理学院
语言：中文
ISSN：0254-4164
关键词：社会网络;节点嵌入;节点特征;神经网络;链接预测;社会媒体
摘要：网络特征表示学习通过对网络节点之间的关系(结构或属性)进行分析,得出网络特征的低维度表达.现有的针对网络特征学习的方法多基于静态和小规模的假设(如静态的语言网络),并没有针对社会网络的特有属性进行修正学习,因此,现有的学习方法无法适应当前社会网络所具备的动态性、大规模甚至超大规模等特性.该文在已有研究基础上,提出了基于动态阻尼正负采样的社会网络结构特征嵌入模型(Damping Based Negative-Positive Sampling of Social Network Embedding,DNPS).通过对不同阶层的网络节点关系进行正负阻尼采样,同时构建针对新增节点的动态特征学习方法,...
作者其他论文
基于R-C模型的微博用户社区发现?.周小平;梁循;张海燕.软件学报.2014,2808-2823.
马氏距离多核支持向量机学习模型.张凯军;梁循.计算机工程.2014,40(6),219-224.
基于移动互联网日志的搜索引擎用户行为研究.万飞;赵溪;梁循,等.中文信息学报.2014,28(2),144-150.
一种改进的显性多核支持向量机.张凯军;梁循.自动化学报.2014,2288-2294.
基于关键词提取和基尼系数的微博用户分类方法.施晓菁;梁循;张海燕.2013.
