| 基于生成对抗网络和元路径的异质网络表示学习 |
| |
| 引用本文： | 蒋宗礼,樊珂,张津丽.基于生成对抗网络和元路径的异质网络表示学习[J].计算机科学,2022,49(1):133-139. |
| |
| 作者姓名： | 蒋宗礼 樊珂 张津丽 |
| |
| 作者单位： | 北京工业大学信息学部 北京 100124 |
| |
| 摘 要： | 现实世界中的信息网络大多为异质信息网络,旨在表示低维空间中节点数据的网络表示方法已普遍用于分析异质信息网络,从而有效融合异质网络中丰富的语义信息和结构信息.但是现有的异质网络表示方法通常采用负采样从网络中随机选择节点,并且对节点和边的异质性学习能力不足.受生成式对抗网络和元路径的启发,文中提出了一种新型的异质网络表示方...
|
| 关 键 词： | 异质信息网络 网络表示学习 生成对抗网络 深度学习 元路径 |
Generative Adversarial Network and Meta-path Based Heterogeneous Network Representation Learning |
| |
| JIANG Zong-li,FAN Ke,ZHANG Jin-li.Generative Adversarial Network and Meta-path Based Heterogeneous Network Representation Learning[J].Computer Science,2022,49(1):133-139. |
| |
| Authors: | JIANG Zong-li FAN Ke ZHANG Jin-li |
| |
| Affiliation: | (Department of Information Technology,Beijing University of Technology,Beijing 100124,China) |
| |
| Abstract: | |
| |
| Keywords: | Heterogeneous information networks Network representation learning Generative adversarial network Deep learning Meta-path |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
