基于霍克斯点过程的动态网络表示学习方法OA北大核心CSCDCSTPCD
Dynamic Network Representation Learning Based on Hawkes Point Process
网络表示学习是将网络中的节点映射到低维空间形成低维稠密特征向量的分布式学习方法.本文在现有网络表示学习研究的基础上,提出一种基于霍克斯点过程的动态网络表示学习方法.该方法基于霍克斯点过程有效结合了网络历史连边信息和网络演化中的三元闭包特性对当前节点产生连边的影响,解决了现有方法难以有效捕捉网络历史信息和演化特性的问题.在多种数据集的实验结果表明,本文提出的方法较其它方法在节点分类、链路预测和可视化等实验中的性能均有较大的提高,实验中的F1分数值和AUC值分别提高了3.72％～6.41％和2.22％～4.69％.
尹赢;张建朋;吉立新;李治成
战略支援部队信息工程大学信息技术研究所,河南郑州450003战略支援部队信息工程大学信息技术研究所,河南郑州450003战略支援部队信息工程大学信息技术研究所,河南郑州450003战略支援部队信息工程大学信息技术研究所,河南郑州450003
信息技术与安全科学
网络表示学习动态网络霍克斯点过程三元闭包理论
《电子学报》 2020 (11)
2154-2161,8
国家自然科学基金创新研究群体资助项目(No.61521003)
评论