-
公开(公告)号：CN110020023A
公开(公告)日：2019-07-16
申请号：CN201910266177.9
申请日：2019-04-03
Applicant: 大连理工大学
IPC: G06F16/906 , G06F17/50 , G06Q50/00
Abstract: 本发明涉及网络表示学习领域，提供一种基于融合结构特征的属性网络表示学习方法，包括：步骤1，获取网络图数据；步骤2，利用获取网络图数据，对结点属性的相似性进行属性建模，得到属性模型；步骤3，利用获取网络图数据，对网络结构的相似性进行结构建模，得到结构模型；步骤4，将步骤2得到的属性模型和步骤3得到的结构模型进行联合建模，得到最小化目标函数；步骤5，设置学习过程的终止条件；步骤6，根据步骤4得到的最小化目标函数和步骤5设置的终止条件，求得最小化目标函数的解，得到学习到的特征结果。本发明能够使节点属性的相似性更好的表示到嵌入向量的相似性当中，提高网络节点分类的精确性和可靠性。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
