基于全局信息的圖結點特征向量學習算法.pdf

1、隨著互聯(lián)網(wǎng)+時代的到來，數(shù)據(jù)的產(chǎn)生日益增多，如何從海量的數(shù)據(jù)中獲取有價值的信息，已成為數(shù)據(jù)挖掘的使命。在實際中，數(shù)據(jù)經(jīng)常會以圖結構來組織，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點特征向量生成算法實現(xiàn)了業(yè)界最優(yōu)水平，受到了眾多學者的關注。
　　本文提出了GraRep，一種新的算法可以利用圖的結構信息生成具有語義、拓撲特性的圖結點特征向量表示。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的局部結構信

2、息，并綜合在一起構成全局結構信息。本文從數(shù)學上形式化的證明了該算法相較于一些文獻已有算法的優(yōu)勢所在，包括Perozzieta/.提出的DeepWalk模型，以及Mikolovetal.提出的skip-gram模型。從真實的實驗數(shù)據(jù)中，驗證了GraRep在實驗結果上達到業(yè)界最優(yōu)水平。為了充分體現(xiàn)該算法的性能，本文的實驗數(shù)據(jù)分別來自新聞文本網(wǎng)絡，社交網(wǎng)絡和文獻引用網(wǎng)絡三種不同性質(zhì)的數(shù)據(jù)，包括有有權圖與無權圖、稀疏圖與稠密圖，圖的結點數(shù)目差異