資源描述：
《基于潛在變量的異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)分類模型研究-論文.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第41卷第7期計算機(jī)工程2015年7月VO1．41No．7ComputerEngineeringJuly2015·移動互聯(lián)與通信技術(shù)·文章編號：1000-3428(2015)07-0133-05文獻(xiàn)標(biāo)識碼：A中圖分類號：TP391基于潛在變量的異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)分類模型研究尹向東，肖輝軍(1．湖南科技學(xué)院計算機(jī)與通信工程系，湖南永州425100；2．中南大學(xué)信息科學(xué)與工程學(xué)院，長沙410083：3．南京大學(xué)國際地球系統(tǒng)科學(xué)研究所，南京210046)摘要：傳統(tǒng)異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)標(biāo)注算法將網(wǎng)絡(luò)映射為多個同構(gòu)網(wǎng)絡(luò)，忽視了不同類型節(jié)點(diǎn)之間的相關(guān)性，降低了分類結(jié)果的準(zhǔn)確性。為此，將異構(gòu)網(wǎng)絡(luò)節(jié)
2、點(diǎn)之間的關(guān)系表示為潛在變量，提出一種異構(gòu)網(wǎng)絡(luò)環(huán)境下的節(jié)點(diǎn)標(biāo)簽?zāi)Ｐ?。描述同?gòu)網(wǎng)絡(luò)的節(jié)點(diǎn)標(biāo)注問題，分析傳統(tǒng)同構(gòu)網(wǎng)絡(luò)標(biāo)簽?zāi)Ｐ蛿U(kuò)展算法的局限性，將異構(gòu)網(wǎng)絡(luò)中的節(jié)點(diǎn)用潛在的多維向量表示，基于該潛在向量給出異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)標(biāo)簽?zāi)Ｐ停瑧?yīng)用隨機(jī)梯度下降法進(jìn)行模型求解，并分析其復(fù)雜性。實(shí)驗(yàn)結(jié)果表明，該模型的預(yù)測準(zhǔn)確性優(yōu)于同構(gòu)映射模型和非監(jiān)督潛在空間模型。關(guān)鍵詞：社會網(wǎng)絡(luò)；標(biāo)簽；分類算法；社團(tuán)挖掘；學(xué)習(xí)算法中文引用格式：尹向東，肖輝軍．基于潛在變量的異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)分類模型研究[J]．計算機(jī)工程，2015，41(7)：133．137．英文引用格式：YinXiangdong，XiaoHuijun．R
3、esearchonHeterogeneousNetworkNodeClassificationModelBasedonLatentVariables[J]．ComputerEngineering，2015，41(7)：133—137．ResearchonHeter0gene0usNetworkNodeClassificationModelBasedonLatentVariablesYINXiangdong一，XIAOHuOun。(1．DepartmentofComputerandCommunicationEngineering，HunanUniversityofScie
4、nceandEngineering，Yongzhou425100，China2．SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410083，China；3．InternationalEarthSystemScienceResearchInstitute，NanjingUniversity，Nanjing210046，China)【Abstract】Traditionalclassificationalgorithmsinheterogeneousnetworksmapthe
5、originalnetworkintomultiplehomogeneousnetworks，andneglectthecorrelationbetweennodesofdifferenttypes．Thispaperrepresentstherelationshipsbetweenheterogeneousnodesaslatentvariants，andproposesalabelingmodelandcorrespondingclassificationalgorithminheterogeneousnetworks．Thispaperdescribesthepr
6、oblemofnodelabelinginhomogeneousnetworks，analyzesthedrawbacksofthealgorithmsthatmaponeheterogeneousnetworkintomultiplehomogeneousnetworks，representsthenodesinheterogeneousnetworksasvectors，proposesalabelingmodelbasedonvectors，appliesstochasticgradientdescentmethodtosolvetheproposedmodel，
7、andanalyzesthecomplexityofthealgorithm．Experimentalresultsshowthat，theproposednodeclassificationmodelinheterogeneousnetworksismoreaccuratethanbothmappinghomogeneousmodelandunsupervisedlatentspacemode1．【Keywords】socialnetwork；label；classificationalgorithm；communitydiscover
