论文笔记
文章平均质量分 78
野生胡萝卜
这个作者很懒,什么都没留下…
展开
-
【论文笔记】摘抄
基于矩阵特征向量计算 谱聚类算法通过 计算关系矩阵的前 k 个特征向量或奇异向量来得到 k 维的节点表示. 关系矩阵一般就是网络的邻接矩阵或者 Laplace 矩阵.基于谱聚类方法的时间复杂度较高, 因为特征向量和奇异向量的计算时间是非线性的. 另一方面, 谱聚类方法需要将关系矩阵整体存于内存之中, 所以空间复杂度也是不能忽略的. 局部线性表示 (locally linear embedd...原创 2020-01-05 11:13:13 · 463 阅读 · 0 评论 -
【论文笔记】网络表征学习
论文来自:Network Representation Learning: A Survey 如下图所示,将网络表示学习分为两类,无监督网络表示学习和半监督网络表示学习,这取决于顶点标签是否可用于学习。对于每个组,进一步将方法分为两个子组,这取决于表示学习是否仅基于网络拓扑结构,还是由节点内容的信息增强。 结构保留网络表示学习是指打算保留网络结构的方法,即在新的嵌入空间中应该类似地表示原始...原创 2020-01-04 22:45:28 · 392 阅读 · 0 评论 -
【论文笔记】图嵌入:问题、技术和应用
论文原文:A Comprehensive Survey of Graph Embedding:Problems, Techniques and Applications图嵌入目的:图嵌入将图转换为保存图信息的低维空间。图表示学习和图嵌入的区别:图表示学习不要求学习的表示是低维的。输入图分为四类,包括齐次图、异构图、具有辅助信息的图和由非关系数据构造的图图嵌入输出分类,包括节点嵌入、边缘...原创 2020-01-03 17:08:49 · 1184 阅读 · 0 评论 -
【论文笔记】图嵌入技术、应用和性能
摘要 图结构在各种现实世界的应用中都是自然存在的,如社交网络、词同现网络和通信网络。分析它们可以深入了解社会结构、语言结构和不同的交流模式。目前已经提出了很多种分析方法。近年来,在向量空间中使用图节点表示的方法得到了研究界的广泛关注。在本文中,我们对文献中提出的各种图嵌入技术进行了全面、结构化的分析。我们首先介绍了嵌入任务及其面临的挑战,如可伸缩性、维度的选择、需要保留的特性以及它们可能的解决方...原创 2019-12-30 23:02:25 · 2439 阅读 · 1 评论