基于递归投影的结构性网络嵌入

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-03 合作期刊: 《计算机应用研究》

孟亚文 傅洛伊 王新兵

摘要： 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的研究则十分匮乏，前沿方法如struc2vec等，通常效率很低。提出了RSNE(recurrent structural network embedding，递归结构性网络嵌入)，一种新颖而高效的结构特征学习方法。RSNE递归式地把节点的结构身份定义为其邻居结构身份的非线性投影。为了避免退化为基于邻接关系的聚类，采用了一种有效而鲁棒的初始化方法。理论分析显示RSNE在时间复杂度上显著优于现有的结构性网络嵌入方法，可视化与量化实验结果也表明RSNE在在分类准确性和鲁棒性上达到了最新方法相同或更好的效果，同时消耗的计算时间与空间消耗也远远更少。

 点击量 1135  下载量 528  评论