首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 其他 > 如何进行改进随机游走进行网络表示学习算法资料说明

如何进行改进随机游走进行网络表示学习算法资料说明

  • 资源大小:0.80 MB
  • 上传时间:2022-01-01
  • 下载次数:0次
  • 浏览次数:37次
  • 资源积分:1积分
  • 标      签: 机器学习 模型 算法

资 源 简 介

现有的基于Word2vec的网络表示学习(NRL)算法使用随机游走(RW)来生成节点序列,针对随机游走倾向于选择具有较大度的节点,生成的节点序列不能很好地反映网络结构信息,从而影响表示学习性能的问题,提出了基于改进随机游走的网络表示学习算法。首先,使用RLP-MHRW算法生成节点序列,它在生成节点序列时不会偏向大度节点,得到的节点序列能更好地反映网络结构信息;然后,将节点序列投入到Skip-gram模型得到节点表示向量;最后,利用链路预测任务来测度表示学习性能。在4个真实网络数据集上进行了实验。在论文合作网络arXivASTRO-PH上与LINE和node2vec算法相比,链路预测的AUC值分别提升了8. 9%和3.5% ,其他数据集上也均有提升。实验结果表明,RLP-MHRW能有效提高基于Word2vec的网络表示学习算法的性能。
VIP VIP