计算机科学与探索

作者：陈洁, 陈嘉琳, 赵姝, 张燕平

单位：1. 安徽大学 计算智能与信号处理教育部重点实验室，合肥 2306012. 安徽大学 计算机科学与技术学院，合肥 230601

关键词：网络嵌入,属性网络,层次标签,层次注意力机制

网络嵌入是在保持网络性质不变的前提下，将节点转换为低维向量，以便下游任务的求解。现有网络嵌入方法的研究大多关注于网络结构、节点属性信息或单层次标签信息等方面。然而，许多真实世界的网络节点通常具有丰富的层次标签信息，这些层次标签信息对获取高效的网络嵌入具有重要价值。由于不同层次的标签之间的信息很难相互关联或继承，如何合理利用层次标签信息进行网络嵌入，获得更高效的向量表示是亟待研究的问题。针对上述问题，提出了一种新的基于层次标签的属性网络嵌入框架（HLANE），该框架利用层次注意力机制将层次标签信息融入网络嵌入中。HLANE框架首先通过现有的网络嵌入方法获取结构和/或属性信息初始化节点的嵌入向量。然后通过层次注意力机制层建立多层次标签的父节点和子节点之间的联系，并依此指导网络节点初始化嵌入向量在不同层次的学习，最终生成网络节点的多层次嵌入向量表示。在真实数据集上的实验表明，与对比算法相比，HLANE框架具有更好的网络节点嵌入表示。

来源：2021年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第7期