Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Network Embedding with Deep Metric Learning Pembenaman Rangkaian dengan Pembelajaran Metrik Dalam

Xiaotao CHENG, Lixin JI, Ruiyang HUANG, Ruifei CUI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Pembenaman rangkaian telah menarik perhatian yang semakin meningkat dalam beberapa tahun kebelakangan ini disebabkan oleh aplikasinya yang meluas dalam tugas perlombongan graf seperti klasifikasi puncak, pengesanan komuniti dan visualisasi rangkaian. Pembenaman rangkaian ialah kaedah penting untuk mempelajari perwakilan berdimensi rendah bagi bucu dalam rangkaian, bertujuan untuk menangkap dan memelihara struktur rangkaian. Hampir semua kaedah pembenaman rangkaian sedia ada menggunakan model Skip-gram yang dipanggil dalam Word2vec. Walau bagaimanapun, sebagai model beg-of-words, model langkau-gram menggunakan terutamanya maklumat struktur tempatan. Kekurangan metrik maklumat untuk bucu dalam rangkaian global membawa kepada gabungan bucu dengan label berbeza dalam ruang benam baharu. Untuk menyelesaikan masalah ini, dalam kertas kerja ini kami mencadangkan kaedah Pembelajaran Perwakilan Rangkaian dengan Pembelajaran Metrik Dalam, iaitu DML-NRL. Dengan menetapkan bucu sauh yang dimulakan dan menambah ukuran persamaan dalam kemajuan latihan, maklumat jarak antara label bucu yang berbeza dalam rangkaian disepadukan ke dalam perwakilan bucu, yang meningkatkan ketepatan algoritma pembenaman rangkaian dengan berkesan. Kami membandingkan kaedah kami dengan garis dasar dengan menerapkannya pada tugas klasifikasi berbilang label dan visualisasi data bucu. Keputusan percubaan menunjukkan bahawa kaedah kami mengatasi garis dasar dalam ketiga-tiga set data, dan kaedah tersebut telah terbukti berkesan dan teguh.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E102-D No.3 pp.568-578
Tarikh penerbitan
2019/03/01
Diumumkan
2018/12/26
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2018EDP7233
Jenis Manuskrip
PAPER
kategori
Kecerdasan Buatan, Perlombongan Data

Pengarang

Xiaotao CHENG
  National Digital Switching System Engineering & Technological R&D Center
Lixin JI
  National Digital Switching System Engineering & Technological R&D Center
Ruiyang HUANG
  National Digital Switching System Engineering & Technological R&D Center
Ruifei CUI
  Radboud University Nijmegen

Kata kunci

Contents [show]