摘要
现实生活中的各种数据都可以建模为网络,分析网络中的结构和信息有重要的研究意义。基于联合社区检测和节点表示学的生成模型能够有效的对网络节点进行表示,但该算法没有有效的利用节点之间的特征。针对此问题,融合网络节点之间的特征可以有效的进行网络表示学习。本文提出了一种融合节点特征的网络表示学习算法NFVgraph(Node Feature Vgraph),融合网络节点特征进行网络表示学习。在多个真实网络数据集上的实验证明:NFVgraph算法提升了Vgraph算法的准确率。
A generative model for join community detection and node representation learning can effectively represent network nodes,but the algorithm does not effectively use the features between nodes.In response to this problem,fusing the features between network nodes can effectively perform network representation learning.This paper proposes a network representation learning algorithm NFVgraph(Node Feature Vgraph)that integrates node features,and integrates network node features for network representation learning.Experiments on multiple real network data sets prove that the NFVgraph algorithm improves the accuracy of the Vgraph algorithm.
作者
欧朋成
OU Peng-cheng(School of College of Information Engineering,Hebei GEO University,Shijiazhuang 050031,China)
出处
《新一代信息技术》
2020年第9期38-42,共5页
New Generation of Information Technology
基金
国家自然基金(项目编号:61503260)
河北省自然科学基金(项目编号:F2019403070)。
关键词
网络嵌入
矩阵分解
节点特征
network embedding
matrix decomposition
node feature