基于半監督聚類的網絡嵌入方法
張靜; 李文斌; 張志敏 河北地質大學信息工程學院; 河北石家莊050031; 河北地質大學教務處; 河北石家莊050031
關鍵詞：人工智能其他學科 網絡嵌入 聚類 半監督 區分性
摘要：GEMSEC(graph embedding with self clustering)在計算節點特征的同時學習節點聚類,通過強制將節點進行聚類來揭露網絡中的社區結構,但未考慮類別標簽信息,導致學到的節點嵌入缺乏區分性。針對這一問題,提出了一種基于半監督聚類的網絡嵌入方法(NESSC),將隨機游走序列和少量節點類別標簽作為輸入,在計算節點特征和學習節點k-means聚類的過程中,利用類別標簽信息指導聚類過程,同時重構已知節點類別標簽信息,學習具有區分性的節點表示。在6個真實網絡上進行節點聚類和節點分類評測實驗,實驗結果顯示,NESSC方法明顯優于無監督網絡嵌入方法DeepWalk和GEMSEC,可以通過加入節點的標簽信息來提高網絡嵌入的效果。因此,通過網絡節點的嵌入,可以高效地提取網絡的有用信息,對于相關網絡嵌入研究具有一定的參考價值。
河北工業科技雜志要求:
{1}參考文獻：只列出在正文中被引用過的、新的、重要的、正式發表的文獻資料，數量不應少于5條。采用順序編碼制。
{2}來稿內容題材新穎、結構嚴謹、文字凝練、闡論精辟，有一定理論水平和學術價值。
{3}來稿無論是否錄用，一律不退稿，請自留底稿。如來稿6個月后未被錄用，作者可自行處理稿件。切勿一稿多投。稿件嚴禁抄襲或剽竊行為，如有之，一切后果由作者自負。
{4}文章一般有引言部分和正文部分，正文部分用阿拉伯數字分級編號法，一般用兩級。
{5}關鍵詞盡量使用MeSH詞匯，或從文題、摘要、正文中選取與本文研究或討論中的中心問題有關和必要的詞。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
