声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：张志敏, 柴变芳, 李文斌
单位：河北地质大学 信息工程学院, 石家庄 050031
关键词：网络嵌入向量,网络表示学习,稀疏自编码器,属性网络,复杂网络
基金：国家自然科学基金（61503260）。
在多数属性网络嵌入算法中，拓扑结构的设计只考虑节点间直接链接，而未考虑节点间间接链接及不同节点的共同链接比，导致不能充分提取网络真实拓扑特征。针对该问题，提出一种基于稀疏自编码器的属性网络嵌入算法SAANE。根据网络拓扑提取二级邻居和共同邻居比并将其融入节点文本属性信息，对融合后的向量通过训练最优稀疏自编码网络得到节点低维嵌入向量。在5个真实网络上进行聚类和分类，实验结果表明，与DeepWalk、Node2Ves、LINE等8种主流算法相比，SAANE的聚类结果最优，NMI值平均提高5.83%，分类准确率平均提高4.53%。
来源：2020年第7期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。