基于全局信息的圖結(jié)點(diǎn)特征向量學(xué)習(xí)算法.pdf

1、隨著互聯(lián)網(wǎng)+時(shí)代的到來，數(shù)據(jù)的產(chǎn)生日益增多，如何從海量的數(shù)據(jù)中獲取有價(jià)值的信息，已成為數(shù)據(jù)挖掘的使命。在實(shí)際中，數(shù)據(jù)經(jīng)常會(huì)以圖結(jié)構(gòu)來組織，圖挖掘便成為重要的研究課題。在諸多算法思路中，近兩年新提出的圖結(jié)點(diǎn)特征向量生成算法實(shí)現(xiàn)了業(yè)界最優(yōu)水平，受到了眾多學(xué)者的關(guān)注。
　　本文提出了GraRep，一種新的算法可以利用圖的結(jié)構(gòu)信息生成具有語義、拓?fù)涮匦缘膱D結(jié)點(diǎn)特征向量表示。與其他已有工作不同，本文提出的算法充分利用了圖上的互補(bǔ)的局部結(jié)構(gòu)信

2、息，并綜合在一起構(gòu)成全局結(jié)構(gòu)信息。本文從數(shù)學(xué)上形式化的證明了該算法相較于一些文獻(xiàn)已有算法的優(yōu)勢(shì)所在，包括Perozzieta/.提出的DeepWalk模型，以及Mikolovetal.提出的skip-gram模型。從真實(shí)的實(shí)驗(yàn)數(shù)據(jù)中，驗(yàn)證了GraRep在實(shí)驗(yàn)結(jié)果上達(dá)到業(yè)界最優(yōu)水平。為了充分體現(xiàn)該算法的性能，本文的實(shí)驗(yàn)數(shù)據(jù)分別來自新聞文本網(wǎng)絡(luò)，社交網(wǎng)絡(luò)和文獻(xiàn)引用網(wǎng)絡(luò)三種不同性質(zhì)的數(shù)據(jù)，包括有有權(quán)圖與無權(quán)圖、稀疏圖與稠密圖，圖的結(jié)點(diǎn)數(shù)目差異