计算机应用研究

作者：刘贞国,朱宇,刘连照,徐宙,

单位：1.青海大学计算机技术与应用系,西宁810000；2.中国人民解放军63892部队,河南洛阳471003；

关键词：网络表示,超网络结构,转化策略,链接预测,超网络重建,

基金：国家自然科学基金资助项目(62166032,62101299)；青海省自然科学基金资助项目(2022-ZJ-961Q)；；

与传统网络相比，超网络结构更加复杂，并对现有网络表示学习方法提出了很大的挑战。为了克服网络表示学习面临的超网络结构的挑战，提出一种基于转化策略的异质超网络表示学习方法MT2vec。首先，结合团扩展和星型扩展将抽象为超图的异质超网络转换为抽象的2-截图+关联图的异质网络；然后提出一种感知节点语义相关性的元路径游走方法来捕获节点之间的成对关系和元组关系；最后，设计一种结合多层感知器的skip-gram优化模型同时训练节点成对相似性和元组相似性来获得节点表示向量。通过在三个不同类型的超网络数据集上进行实验。结果表明MT2vec算法在链接预测和超网络重建任务中，效果优于其他基线方法。

来源：2022年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第11期