计算机应用研究

作者：李婷婷,吕少卿,赵雪莉,任新成,

单位：1.西安邮电大学a.通信与信息工程学院;b.陕西省信息通信网络及安全重点实验室,西安710121；2.延安大学陕西省能源大数据智能处理省市共建重点实验室,陕西延安716000；

关键词：属性二分网络,网络嵌入,高度非线性,深度学习,

基金：陕西省能源大数据智能处理省市共建重点实验室开放基金项目(IPBED10)；陕西省工业领域一般项目(2020GY-081)；陕西省重点研发计划项目(2018ZDXM-GY-041)；陕西省教育厅科研计划项目(17JK0703)；；

网络表示学习旨在将网络中的节点转换到低维向量空间，并保持网络固有属性。现有方法大多针对普通网络，忽略了属性二分网络的特殊性及网络的高度非线性特性等。针对上述问题，首先引入一个扩展权重矩阵融合二分网络显式和携带属性信息的隐式结构；接着提出一种基于深度自编码器的属性二分网络表示学习模型，以捕捉网络的高度非线性特性；通过深度自编码器重构二阶邻近度以保持全局网络结构，同时该编码器利用节点一阶邻近度作为监督信息来保持局部网络结构；最后进行联合优化。将该模型在Yelp、Douban Book、Douban Movie和MovieLens四个数据集上进行推荐任务，结果显示该模型的F1@10、MAP@10、MRR@10和NDGG@10指标在四个数据集上的平均值相较最新基准方法（ABNE）分别提高4.29%、5.63%、6.26%、4.21%。

来源：2021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2021年第11期