网络表达学习系列（二）：基于自编码器的网络嵌入（Structural Deep Network Embedding）

最新推荐文章于 2024-02-19 11:53:20 发布
VIP文章 最新推荐文章于 2024-02-19 11:53:20 发布
阅读量2.2k 收藏 5
点赞数 2
分类专栏： deep learning graph mining embedding graph embedding 文章标签： graph embedding deep learning network representation
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/paper_reader/article/details/88177600
版权

阅读更多，欢迎关注公众号：论文收割机（paper_reader）
原文链接：网络表达学习系列（二）：基于自编码器的网络嵌入（Structural Deep Network Embedding）

这一次我们来讲第一次将深度学习技术用到网络表达学习中去的文章。本次的论文发表在KDD’16，文章名为“Structural Deep Network Embedding”，由清华大学崔鹏团队发表。这篇文章核心思想是将深度自编码器引用到网络嵌入问题，因此在之后的内容我们先介绍什么是自编码器，然后再谈谈如何将其应用到网络领域。

 

深度自编码器算法（Deep Auto-Encoder）算法

 

       深度自编码器是一个经典的深度学习算法，它的主要思想是将输入数据压缩成一个比较短的编码，再用此编码还原输入得到输出，通过减少输入和输出的差别来尽可能减少信息损失。由图1所示，

最低0.47元/天 解锁文章
paper_reader
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
基于递归投影的结构性网络嵌入
04-30
近些年来，在网络嵌入（network embedding）领域的大多数研究都着眼于基于网络节点邻接关系的社区身份，如node2vec和DeepWalk；而基于网络拓扑结构的结构身份研究则十分匮乏，前沿方法如struc2vec等，通常效率很低。...
网络表示学习（DeepWalk，LINE，node2vec，SDNE）
蓁蓁尔的博客
07-24 5万+
1.传统：基于图的表示（又称为基于符号的表示） 如左图 G =（V，E），用不同的符号命名不同的节点，用二维数组（邻接矩阵）的存储结构表示两节点间是否存在连边，存在为1，否则为0。   缺点：长尾分布下大部分节点间没有关系，所以邻接矩阵非常稀疏，不利于存储计算。 2. 网络表示学习（Network Representation Learning，NRL），也称
自编码网络（附代码实现）
liu1073811240的博客
11-12 5067
文章目录一、自编码是什么？二、自编码网络结构三：自编码网络运行过程四：使用自编码的原因五：自编码的特点六：自编码网络的种类1. 普通自编码网络（Autoencoder）2. 稀疏自编码网络（Sparse Autoencoder）3. 降噪自编码网络（Denoising Autoencoders）4. 收缩自编码网络（Contractive Autoencoders）5. 堆叠自编码网络（Stacked Autoencoders）6. 深度自编码网络(Deep Autoencoders) 一、自编码是什么
神经网络算法 —— Embedding（嵌入）！！
最新发布
不要给自己设限，尝试更多可能（思所向 皆可往）
02-19 1633
本文将从 Embedding 的本质、Embedding的原理、Embedding的应用三个方面，详细介绍Embedding（嵌入）。1、Embedding的本质"Embedding" 在字面上的翻译是“嵌入”，但在机器学习和自然语言处理的上下文中，我们更倾向于将其理解为一种 “向量化” 或 “向量表示” 的技术，这有助于更准确地描述其在这些领域中的应用和作用。
SDNE（Structural Deep Network Embedding ）的原理，实现与应用
zhong_ddbb的博客
10-18 4535
文章目录SDNE基本思想二阶相似度（无监督）一阶相似度（有监督）核心代码库实现应用—阿里凑单算法 SDNE基本思想 SDNE（Structural Deep Network Embedding ）主要目标是保持网络的一阶相似性和二阶相似性。（相似性定义参考 【Graph Embedding】LINE的原理、核心代码及其应用） 一阶相似度指：具有边相连的节点的Embedding向量具有相似性。主要反映了 Graph 的局部特征 二阶相似性指：拥有共同邻居但不是直接相连的两个顶点之间应该具有相似性。反映了 Gr
【论文阅读｜深读】SDNE:Structural Deep Network Embedding
海到无边天作岸 山登绝顶我为峰
06-27 1980
现有的网络嵌入方法几乎都采用浅模型（ shallow models）然而，由于底层网络结构复杂，浅层模型无法捕捉到高度非线性的网络结构，导致网络表达次优因此，如何找到一种能够有效捕捉高度非线性网络结构并保持全局和局部结构的方法是一个开放而重要的问题为了解决这一问题，本文提出了一种结构化深度网络嵌入方法，即SDNE。更具体地说，我们首先提出了一个半监督深度模型，该模型具有多层非线性函数，从而能够捕捉高度非线性的网络结构。然后我们提出利用一阶和二阶邻近性来保护网络结构。通过在半监督深度模型中对它们进行联合优化，
SDNE（Structural Deep Network Embedding）理论及pytorch实现
zc_stats的博客
03-07 1823
SDNE 使用自动编码器（AutoEncoder）结合拉普拉斯特征映射(Laplacian Eigenmaps），针对网络结构非线性，构建多层非线性函数深度模型，同时针对全局和局部结构以及稀疏性问题，同时利用一阶相似性和二阶相似性学习网络的局部结构信息和全局结构信息。 SDNE使用自动编码器（AutoEncoder）结构，同时优化1阶相似度和2阶相似度，学习到的向量表示能够保留局部和全局结构，并...
SDNE：structural deepnetworkembedding
芒果的二二的博客
08-08 499
本文是半监督方法，主要是1st有标签做有监督学习，2nd做无监督学习，故将自编码器应用到图学习中，提出一个半监督学习的框架。
文献学习(part14)--Structural Deep Network Embedding
小山羊的学习日志
12-01 280
学习笔记，仅供参考，有错必纠 文章目录Structural Deep Network EmbeddingABSTRACTINTRODUCTIONRELATED WORKDeep Neural NetworkNetwork EmbeddingSTRUCTURAL DEEP NETWORK EMBEDDING问题定义The ModelLoss FunctionsOptimizationAnalysis and DiscussionsEXPERIMENTSBaseline AlgorithmsEvaluatio
2016 KDD | SDNE: Structural Deep Network Embedding
发呆的比目鱼的博客
05-14 435
paper: https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 2016 KDD | SDNE: Structural Deep Network Embedding
cs224w 图神经网络 学习笔记（三）Motifs and Structural Roles in Networks1
08-04
2. Subgraphs, Motifs and Graphlets 3. Structural Role in Networks 2. Subgraphs,
基于CIFAR10数据集的神经网络模型参数文件
10-28
model_201.pth(epoch=200,learning_rate=0.0001,the modul structural of CIFAR) model_401.pth(epoch=400,learning_rate=0.01,the modul structural of CIFAR)
Structural Defects Network (SDNET) 2018结构缺陷网络（SDNET）2018-数据集
03-18
SDNET2018是带注释的图像数据集，用于训练，验证和确定基于人工智能的混凝土裂缝检测算法。SDNET2018包含超过56,000张开裂和未开裂的混凝土桥面板，墙壁和人行道的图像。 Structural Defects Network (SDNET) 2018_...
通过小波扩散来学习网络的结构表示
11-02
关于论文Learning Structural Node Embeddings via Diffusion Wavelets的小型报告类ppt
计算机视觉中的注意力机制（Visual Attention）
热门推荐
paper_reader的博客
08-14 8万+
阅读更多，欢迎关注公众号：paper_reader 本文将会介绍计算机视觉中的注意力（visual attention）机制，本文为了扩大受众群体以及增加文章的可读性，采用递进式的写作方式。第1部分的全部以及第2部分的大部分是没有专业障碍的，后续的部分是为了更深入地了解计算机视觉中的注意力机制。 1 前言 注意力（attention）其实是一个非常常见，但是又会被忽略的事实。比如天空一只...
序列推荐模型梳理（Sequential Recommendation）
paper_reader的博客
10-28 1万+
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 因为排版问题，很多图片和公式无法直接显示，欢迎关注我们的公众号点击目录来阅读原文。 序列推荐（sequential recommendation）在推荐系统里是非常重要的任务，它通过对用户（user）行为序列，比如购买商品（item）的序列（sequence）来建模，学到user 兴趣的变化，从而能够对用户下一个行为进行预测。序列推荐的模型，随着整个CS research领域的发展，也是一直在不断变化。从最开始的Markov chain，到
从零上手变分自编码器（VAE）
paper_reader的博客
09-27 1万+
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 原文链接：从零上手变分自编码器（VAE） Kingma D P, Welling M. Auto-encoding variational bayes[J]. arXiv preprint arXiv:1312.6114, 2013. Rezende D J, Mohamed S, Wierstra D. Stochasti...
SIGIR‘19 | 图神经网络协同过滤算法-Neural Graph Collaborative Filtering
paper_reader的博客
07-21 3921
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 因为排版问题，很多图片和公式无法直接显示，欢迎关注我们的公众号点击目录来阅读原文。 Wang X, He X, Wang M, et al. Neural Graph Collaborative Filtering[J]. arXiv preprint arXiv:1905.08108, 2019. 引言 ...
DIFFPOOL | 利用可微分池化层构建层级图神经网络
paper_reader的博客
04-23 3554
Ying,Zhitao,etal."Hierarchicalgraphrepresentationlearningwithdifferentiablepooling."Advancesinneuralinformationprocessingsystems.2018. 阅读更多，欢迎关注公众号：论文收割机（paper_reader） 因为排版问题，很多图片和...
structural deep network embedding
03-16
结构化深度网络嵌入（Structural Deep Network Embedding）是一种将图形数据嵌入到低维空间中的技术。它使用深度学习模型来学习节点之间的相似性和关系，并将它们嵌入到低维空间中，从而使得节点之间的关系可以更加直观地展示出来。这种技术在社交网络分析、推荐系统、生物信息学等领域有着广泛的应用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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