计算机研究与发展 ›› 2020, Vol. 57 ›› Issue (8): 1674-1682.doi: 10.7544/issn1000-1239.2020.20200206
所属专题: 2020数据挖掘与知识发现专题
陈亦琦,钱铁云,李万理,梁贻乐
Chen Yiqi, Qian Tieyun, Li Wanli, Liang Yile
摘要: 网络嵌入的目的是学习网络中每个节点的低维稠密向量,该问题吸引了研究者的广泛关注.现有方法大多侧重于对图结构的建模,而忽略了属性信息.属性化网络嵌入方法虽然考虑了节点属性,但节点与属性之间的信息关系尚未得到充分的利用.提出了一种利用丰富的关系信息进行属性网络嵌入的新框架.为此,我们首先为属性网络构造节点及其属性之间的复合关系,随后提出一个复合关系图卷积网络(composite relation graph convolution network, CRGCN)模型对这2种网络中的复合关系进行编码.在真实世界的数据集上进行了广泛的实验,结果证明了该模型在多种社交网络分析的有效性.
中图分类号: