计算机工程

作者：高宏屹, 张曦煌, 王杰

单位：江南大学 物联网工程学院, 江苏 无锡 214122

关键词：链路预测,网络表示学习,邻近性,生成对抗式网络,分层网络

基金：江苏省产学研合作项目（BY2015019-30）。

针对当前链路预测算法无法有效保留网络图高阶结构特征的问题，提出一种生成对抗式分层网络表示学习算法。根据网络图的一阶邻近性和二阶邻近性，递归地对网络图进行边缘折叠和顶点合并，形成逐层规模变小的子网络图，使用Node2vec算法对规模最小的子网络图进行预处理，并将预处理结果输入到生成对抗式网络（EmbedGAN）模型中，学习得到最小子网络图顶点的低维向量表示，将其输入至上一层子网络的EmbedGAN模型中，作为上一层子网络图顶点的低维向量表示。按照该方法进行逐层向上回溯学习，直至学习到原始网络图，从而得到原始网络图顶点的低维向量表示。在多个不同领域的真实网络数据集上进行链路预测，实验结果表明，该算法的准确率与稳定性均优于LP、Katz和LINE算法。

来源：2021年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第2期