计算机应用研究

作者：陈嶷瑛,张珊珊,柴变芳,

单位：河北地质大学信息工程学院,石家庄050031；

关键词：网络表示,深度自编码器,属性网络,局部增强网络表示,

基金：国家自然科学基金资助项目(61503260)；；

基于深度自编码器的网络表示，可以捕获高度非线性的网络结构，但当链接稀疏时学到的表示不够准确。针对这一问题，提出一种基于深度自编码的局部增强属性网络表示学习模型，以提高表示学习的准确度。该模型首先利用链接与属性特征，采用多个深度自编码器，学习保持网络拓扑结构及属性特征的低维网络表示。之后，基于节点间近邻结构及属性相似性，对学出的低维网络表示进行节点约束，实现网络局部结构增强，达到最大程度保持原始结构信息及属性特征的目的。在五个真实属性网络上的实验结果表明，提出的模型在聚类与分类任务中，效果均优于目前流行的表示学习方法。

来源：2020年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第9期