计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2015年
7期
133-137
,共5页
社会网络%标签%分类算法%社团挖掘%学习算法
社會網絡%標籤%分類算法%社糰挖掘%學習算法
사회망락%표첨%분류산법%사단알굴%학습산법
social network%label%classification algorithm%community discovery%learning algorithm
传统异构网络节点标注算法将网络映射为多个同构网络,忽视了不同类型节点之间的相关性,降低了分类结果的准确性.为此,将异构网络节点之间的关系表示为潜在变量,提出一种异构网络环境下的节点标签模型.描述同构网络的节点标注问题,分析传统同构网络标签模型扩展算法的局限性,将异构网络中的节点用潜在的多维向量表示,基于该潜在向量给出异构网络节点标签模型,应用随机梯度下降法进行模型求解,并分析其复杂性.实验结果表明,该模型的预测准确性优于同构映射模型和非监督潜在空间模型.
傳統異構網絡節點標註算法將網絡映射為多箇同構網絡,忽視瞭不同類型節點之間的相關性,降低瞭分類結果的準確性.為此,將異構網絡節點之間的關繫錶示為潛在變量,提齣一種異構網絡環境下的節點標籤模型.描述同構網絡的節點標註問題,分析傳統同構網絡標籤模型擴展算法的跼限性,將異構網絡中的節點用潛在的多維嚮量錶示,基于該潛在嚮量給齣異構網絡節點標籤模型,應用隨機梯度下降法進行模型求解,併分析其複雜性.實驗結果錶明,該模型的預測準確性優于同構映射模型和非鑑督潛在空間模型.
전통이구망락절점표주산법장망락영사위다개동구망락,홀시료불동류형절점지간적상관성,강저료분류결과적준학성.위차,장이구망락절점지간적관계표시위잠재변량,제출일충이구망락배경하적절점표첨모형.묘술동구망락적절점표주문제,분석전통동구망락표첨모형확전산법적국한성,장이구망락중적절점용잠재적다유향량표시,기우해잠재향량급출이구망락절점표첨모형,응용수궤제도하강법진행모형구해,병분석기복잡성.실험결과표명,해모형적예측준학성우우동구영사모형화비감독잠재공간모형.
