有向加权网络中的改进SDNE算法

网络化的数据形式能够表示实体以及实体和实体之间的联系,网络结构在现实世界中普遍存在。研究网络中节点和边的关系具有重要意义。网络表示技术将网络的结构信息转换为节点向量,能够降低图表示的复杂度,同时能够有效运用到分类、网络重构和链路预测等任务中,具有很广泛的应用前景。近年提出的SDNE(Structural Deep Network Embedding)算法在图自编码领域取得了突出成果,文中针对网络表示算法SDNE在有权、有向网络中的局限性,从网络结构和衡量指标两个角度入手,提出了新的基于图自编码的网络表示模型,在原有节点向量的基础上引入了接收向量和发出向量的概念,优化了自编码器的解码部分,进而优化了神经网络的结构,减少了网络的参数以加快收敛速度;提出了基于节点度的衡量指标,将网络的加权特性反映在网络表示的结果中。在3个有向加权数据集中的实验证明,在进行网络重构和链路预测任务时,所提方法能够取得比传统方法和SDNE原始方法更好的结果。     

产品设计——杨雨灵、黄子涵、吴自仪作品精选

TRANSDONUT碎纸机旨在保护用户的隐私信息。用户可根据需求选择不同的碎纸程度,从而有效地保护隐私信息。垃圾桶下方设有开口,不仅可以存放碎纸,还可以扔其他垃圾。产品体积小巧,设有手柄,方便携带。充电方式采用Type-C 接口,方便桌面及时充电。本设计具有保护隐私、方便使用和灵活性强等优点,无论是家庭使用还是办公场合,都能够很好满足用户的需求。