基于遍历约束与交互信息增强的社交网络表征算法
来源：计算机工程杂志2018年第11期北京时间：
作者：石立鹏,王莉
单位：太原理工大学 a.信息与计算机学院; b.大数据学院,山西 晋中 030600
摘要：传统网络表征方法将网络的拓扑结构转换为邻接矩阵以进行特征提取,在准确率和效率上存在局限性。为此,通过分析自然语言处理模型word2vec和多种网络表征算法,结合社交网络的特征,提出一种基于遍历约束和交互信息的社交网络表征算法。对社交网络遍历进行约束以提高算法的时间效率,利用用户交互信息修改word2vec模型,提高社交网络表征的准确率。在BlogCatalog和新浪微博2个社交网络数据集上进行的实验结果表明,相对DeepWalk、Line算法,该算法在时间效率上提高约20%,在准确率上提高约12%。
关键词：特征学习,网络遍历,自然语言处理,交互信息,社交网络,网络表征
基金资助：国家高技术研究发展计划(2014AA015204);山西省自然科学基金(2014011022-1)。
