属性网络相关论文
在过去十年里,信息科学技术和移动互联网的发展催生了海量的数据,这些数据及其关联关系通常被抽象为网络,例如社交关系网络、论文......
网络表示学习,又称网络嵌入,旨在将网络中的节点表示成低维稠密的实值向量。网络表示学习提供了一种高效的网络表示形式,学习到的......
属性网络是描述复杂现实世界的有效工具,其中的节点之间存在边,能够描绘纷繁复杂的关系。属性网络中的节点能够携带多种属性,如文......
网络表示学习旨在学习一种映射关系,可以将网络中的所有节点映射为低维的向量表示,从而提取到节点的特征并进行网络分析。近几年,......
随着互联网技术飞速发展,各类在线社交平台应运而生。由于数亿的用户注册量,导致社交平台产生了越来越多富含链接与内容的数据,如......
利用复杂网络分析方法,对复杂系统中的关系结构及属性进行分析,识别网络中社团结构具有重要研究意义。课题组构建了基于复杂网络算......
随着互联网技术与数字经济的发展,基于深度学习技术处理网络结构数据的网络表示学习方法吸引了学术界和工业界的共同关注,其旨在将......
属性网络嵌入旨在学习网络中节点的低维表示,具有拓扑和属性相似的节点在嵌入空间彼此接近.注意力机制能有效学习网络中节点与其邻......
随着在线社交网络用户数量的飞速增长,大规模的图存在维度高和数据稀疏性等特征,使得从这些图中挖掘有价值的信息成为一个挑战性问......
互联网基础设施的完善加速了信息数字化进程,现实生活中的可用信息不再被简单堆叠,而是被表征为图状信息网络,如交通网络、多媒体......
图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点......
从社交网络到万维网,网络作为一种重要的数据形式广泛应用于描述现实世界事物之间的复杂关系,有效地从复杂信息网络中挖掘潜在的重......
社区搜索旨在寻找与给定查询节点高度相关的个性化社区.现有社区搜索方法多面向简单网络且处理单个查询节点或假定多个查询节点来......
网络表示学习的目标是将网络中的节点嵌入到低维的向量空间,为下游任务提供有效特征表示.在现实场景中,大规模网络通常具有不完整......
属性网络表示学习旨在结合结构信息与属性信息为网络中的节点学习统一的向量表示。现有的属性网络表示学习方法在学习属性信息时与......
链接预测是属性网络中常见的一类任务，即预测两个节点之间的边存在的可能性，核心在于构建有效的链接表示。传统的方法往往依靠费时费......
最近二十年由于科学技术的飞速发展，人类获取网络数据越来越容易，获取的网络数据数量越来越多，相应的网络分析挖掘技术也取得了巨大进......
网络嵌入是在保持网络性质不变的前提下,将节点转换为低维向量,以便下游任务的求解。现有网络嵌入方法的研究大多关注于网络结构、......
随着互联网的快速发展,网络社交平台如微博、微信等每天都会产生大量的文本数据,如何从海量的文本数据中发掘出有价值的信息,已成......
网络表示学习的主要任务是为网络中的结点学习低维稠密的向量表示,为结点分类、链接预测、结点聚类等网络分析任务提供高效的数据......
社交网络是信息的一种载体,不仅节点的链接关系中蕴藏着丰富的信息,而且节点本身也具有多样的信息。因此,对社交网络进行数据挖掘......
随着大规模网络的兴起,网络挖掘成为数据挖掘的一个重要子领域。在网络挖掘中,网络节点的特征表示至关重要。传统基于邻接矩阵的网......
网络结构在现实生活中大量存在,如社交网络,引用网络等。随着数字化的推进,有效利用网络结构信息成为数据挖掘中重要的一环。网络......
在本文中，我们提出了一个基于非负矩阵分解的顶点带属性网络的链路预测算法。在该算法中，我们通过非负矩阵分解将网络的拓扑信息......
随着现实世界中网络规模的不断扩大及数据信息的指数级增长,利用传统的网络表示方法对网络进行表示面临巨大的挑战.为此,有关学者......
近年来，复杂网络在学术界得到了广泛关注，而研究复杂网络的社区结构更是成为了重中之重。现实生活中复杂网络往往带有明显的社区特点......
网络表征学习是当前信息网络数据表示的研究热点,相比于传统网络分析技术已显示出它的有效性和高效性.目前绝大多数研究仅将网络视......
现有的网络表示学习算法主要是针对同质网络或异质网络设计的,而忽略了在推荐系统、搜索引擎和问答系统等领域出现的二分网络的特......
记忆是思维的源头,如何高效组织与存储信息是机器智能活动的前提,利用神经网络的结构思想、数据库表的映射作用、属性论的事物表达......
网络表示学习旨在为网络中所有节点学习低维稠密的向量表示,以执行后续的多种复杂网络分析任务。目前,大多数的网络表示学习只单一......
近年来,网络数据研究成为数据挖掘领域热点问题之一。当前机器学习算法基于结构化的数据输入,很难直接应用到网络数据中。网络表示......
现实世界中众多的复杂系统都可抽象地表示为网络,对网络的研究已经渗透到各个学科领域。网络通常具有社团结构特性,发现网络中的社......
随着智能时代和大数据时代的到来,各种复杂异构数据不断涌现,它们成为数据驱动的人工智能方法、机器学习模型的基础。复杂异构数据......
现实世界中许多系统都可以抽象成复杂网络,复杂网络的一个重要特性是社区结构,社区结构表示具有共同特性的个体的集合,在各种复杂......
针对现实世界的网络节点中包含大量属性信息并且社区之间呈现出重叠特性的问题,提出了一种面向属性网络的重叠社区发现算法。融合......
现有的网络表示学习方法缺少对网络中隐含的深层次信息进行挖掘和利用。对网络中的潜在信息做进一步挖掘,提出了潜在的模式结构相......
网络链接预测是指通过网络结构信息及节点属性信息等网络历史信息预测2个节点之间产生新的链接关系的可能性。网络链接预测是网络......
自然界中的很多系统都可以表示为复杂网络的形式,即将自然界中的各个实体抽象为网络中的节点,实体与实体之间的关系抽象为网络中的......
在线社交平台产生大量可建模为属性网络的数据,SNE(social network embedding)表示学习模型可学到属性网络的潜在低维表示,为进一......
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......
随着智能时代和大数据时代的到来,各种复杂异构数据不断涌现,成为数据驱动的人工智能方法、机器学习模型的基础。复杂异构数据的表......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
社区检测是复杂网络分析中的重要任务,现有的社区检测方法多侧重于利用单纯的网络结构,而融合节点属性的方法也主要针对传统的社区......
谱社区检测算法多基于结构对网络进行划分,往往受限于划分数量且难以控制重叠程度。设计了面向属性网络的谱社区检测算法,可将属性......
随着科学技术的发展,人们能够收集到的网络数据类型也日渐丰富。除了网络节点之间的拓扑结构信息,其本身的属性信息也越来越多地被......
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......
