论文浅尝 | 利用边缘标签的网络嵌入强化方法

本文提出了一种新的网络嵌入方法,通过结合结构损失和关系损失,充分利用网络边的标签信息进行节点分类任务,表现出色。在ArnetMiner和AmazonReviews数据集上的实验表明,即使少量标签数据,也能显著提升结果。
摘要由CSDN通过智能技术生成

640?wx_fmt=png

链接:https://arxiv.org/pdf/1809.05124.pdf

           本文主要关注Network embedding问题,以往的network embedding方法只将是网络中的边看作二分类的边(0,1),忽略了边的标签信息,本文提出的方法能够较好的保存网络结构和边的语义信息来进行network embedding的学习。实验结果证明本文的方法在多标签结点分类任务中有着突出表现。

Background

           Network embedding的工作就是学习得到低维度的向量来表示网络中的结点,低维度的向量包含了结点之间边的复杂信息。这些学习得到的向量可以用来结点分类,结点与结点之间的关系预测。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值