基于矩阵分解的属性网络表示学习
来源：计算机工程杂志2020年第10期北京时间：
作者：张潘, 卢光跃, 吕少卿, 赵雪莉
单位：1. 西安邮电大学 通信与信息工程学院, 西安 710121;2. 陕西省信息通信网络及安全重点实验室, 西安 710121
摘要：为融合网络拓扑结构与节点属性信息以提高网络表示学习质量，提出一种新的属性网络表示学习算法（ANEMF）。引入余弦相似性概念，定义网络二阶结构相似度矩阵和属性相似度矩阵，通过对网络结构相似度和属性相似度损失函数进行联合优化学习，并利用矩阵分解的形式实现网络拓扑结构与节点属性信息的融合，同时应用乘法更新规则计算得到节点表示向量。在3个公开数据集上的实验结果表明，与DeepWalk和TADW算法相比，ANEMF算法得到的节点表示向量能够保留网络拓扑结构与节点属性信息，有效提升其在节点分类任务中的综合性能。
关键词：机器学习,网络分析,数据挖掘,网络表示学习,矩阵分解,网络嵌入
基金资助：陕西省教育厅科研计划项目（17JK0703）。
