计算机应用研究

作者：伍杰华,高学勤,王涛,

单位：1.广东工贸职业技术学院计算机与信息工程学院,广州510510；2.华南师范大学计算机学院,广州510631；

关键词：网络嵌入,属性网络,表示学习,相似度,节点分类,

基金：广东省自然科学基金资助项目(2020A1515011495)；广州市基础与应用基础研究项目(202002030266)；；

在属性网络中，与节点相关联的属性信息有助于提升网络嵌入各种任务的性能，但网络是一种图状结构，节点不仅包含属性信息还隐含着丰富的结构信息。为了充分融合结构信息，首先通过定义节点的影响力特性、空间关系特征；然后根据链接预测领域基于相似度的定义构建相似度矩阵，将节点二元组中的关联向量映射到相似度矩阵这一关系空间中，从而保留与节点相关的结构向量信息；再基于图的拉普拉斯矩阵融合属性信息和标签特征，将上述三类信息集成到一个最优化框架中；最后，通过二阶导数求局部最大值计算投影矩阵获取节点的特征表示进行网络嵌入。实验结果表明，提出的算法能够充分利用节点二元组的邻接结构信息，相比于其他基准网络嵌入算法，本模型在节点分类任务上取得了更好的结果。

来源：2022年第4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4期