论文笔记：Network Representation Learning with Rich Text Information

最新推荐文章于 2025-04-20 09:19:59 发布
原创 最新推荐文章于 2025-04-20 09:19:59 发布 · 1.6k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#图计算 #network representation

本文探讨了DeepWalk算法与矩阵分解(MF)之间的等价性，揭示了DeepWalk如何通过中心词与上下文的表达进行网络表示学习。进一步地，论文提出了一种将网络分解为三个矩阵相乘的方法，引入文本信息矩阵以增强表示学习效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

network representation learning with rich text information

时间仓促，没有特别仔细的看（之后再更新）

论文的成果有两点：

  1. 证明deepwalk其实就等价于matrix factorization（DW可以用MF表示）

在这里插入图片描述
在这里插入图片描述
其中，W矩阵是在skip-gram中中心词的表达，H是上下文的表达。
M在使用softmax的时候是log（词对（vi，ci）出现的次数/vi出现的次数）
2. 对网络进行分解，变成三个矩阵相乘，其中的一部分是text information
在这里插入图片描述
其中的T表示text information矩阵
M与1中的M一样，HT是1中的H
学习的优化函数：
在这里插入图片描述

Reinforcement Learning with Competitive Ensembles of Information-Constrained Primitives
weixin_41697507的博客
06-27 1782
利用信息约束基元的竞争集合强化学习 Anirudh Goyal1, Shagun Sodhani1, Jonathan Binas1, Xue Bin Peng2 Sergey Levine2, Yoshua Bengio1y 1Mila, Université de Montréal 2University of California, Berkeley yCIFAR Senior Fello...
网络表征学习简介
swy520的博客
04-17 8051
    中国计算机学会通讯（CCF）3月份发布了一个关于网络表征学习的专题，对于想了解这方面知识的朋友来说真是雪中送炭啊，感谢大牛们的好文章，下面就来简单谈一谈关于“网络表征学习（Network Representation Learning NRL）”的那些事儿...（PS：上一篇文章中我把这个翻译为“网络表示学习”，虽然这两个意思接近，但是还是以文章里面翻译的“网络表征学习”为准吧！）1.背景...
网络表示学习（DeepWalk，LINE，node2vec，SDNE）
热门推荐
蓁蓁尔的博客
07-24 5万+
1.传统：基于图的表示（又称为基于符号的表示） 如左图 G =（V，E），用不同的符号命名不同的节点，用二维数组（邻接矩阵）的存储结构表示两节点间是否存在连边，存在为1，否则为0。   缺点：长尾分布下大部分节点间没有关系，所以邻接矩阵非常稀疏，不利于存储计算。 2. 网络表示学习（Network Representation Learning，NRL），也称
Embedding:Network Representation Learning with Rich Text Information
qq_28358305的博客
03-26 2585
    这次学习NetworkRepresentation Learning with Rich Text Information这篇论文，是关于embedding方面的。1 摘要表示学习已经在很多项目任务中表现出了它的功效，比如图像识别或文本采集。网络表示学习旨在对于每个节点的进行矢量表示，这种方法慢慢被认为是网络分析里很重要的一部分。大多数网络学习方法都通过探讨网络结构来学习。事实上，网络节点...
network representation learning（NRL）
rww94的专栏
04-24 1606
network representation learning（NRL）Label Informed Attributed Network Embedding这篇论文关注的是带标签的属性网络的特征向量化方法，Attributed Network Embedding（ANE）。与只观察节点间的相互关系的普通网络（无监督的方法）不同，属性网路中的节点往往与丰富的标签信息相关联。本论文研究如何对标签进行...
网络表示学习（network represention learning）
喜欢打酱油的老鸟
04-15 4122
https://www.toutiao.com/a6679280803920216589/ 2019-04-13 15:40:48 1.传统：基于图的表示（又称为基于符号的表示） 如左图G =（V，E），用不同的符号命名不同的节点，用二维数组（邻接矩阵）的存储结构表示两节点间是否存在连边，存在为1，否则为0。 缺点：长尾分布下大部分节点间没有关系，所以邻接矩阵非常稀疏，不利...
network-representation-learning:网络表示学习
05-16
网络表示学习 重新实现了四种网络表示学习算法 ，根据腾讯微博数据集评估，AUC：0.7548 ，对腾讯微博数据集进行评估，AUC：0.7608 ，在腾讯微博数据集上评估，AUC：0.7553 ，对Cora数据集进行评估，预测准确性：0.805 用法 转到源目录，使用以下命令运行： python3 deepwalk_for_tencent.py [or line_for_tencent.py, node2vec_for_tencent.py, grarep_for_cora.py] 要求 麻木 科学的 网络x Gensim 火炬 scikit学习
论文翻译-Learning Deep Network Representations with Adversarially
Anthony
12-29 1379
利用对抗性正则化自编码器学习深层网络表示  摘要暂时没时间整理公式，后面有时间改公式  1 绪论  2 准备工作  2.1 自动编码器神经网络  2.2 生成对抗网络  2.3 网络嵌入  3 途径  3.1 随机生成器  3.2 反向正则化自动编码器的嵌入  4 评估  4.1 数据集  4.2 比较算法  4.3 可视化  4.4 链路预测  4.5 网络重构  4.6 多标记分类  4.7 ...
网络表示学习综述：一文理解Network Embedding
Paper weekly
08-14 1万+
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。点击本文底部...
论文笔记：[ACL2016]End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF
YoungDreamNJU的博客
01-11 1万+
文章：Ma X, Hovy E. End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF[J]. 2016. 发表在ACL2016上。我认为这是一篇写的非常清楚的文章。本文要解决的是序列标注的问题，可用于POS、NER等任务。
笔记：PoseCNN:A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
kadima_WEI的博客
12-23 1395
一种新的用于6D物体姿态估计的卷积神经网络PoseCNN
网络表示即network representation综述
07-26
崔鹏的Network Representation入门介绍也是一个ppt类型的综述，值得阅读，看到近些年network representation的过程和现状。
网络表示学习（NRL: network representation learning）和网络嵌入研究领域（NE: network embedding）必读论文清单
William Zhao's notes
05-27 1万+
近日，Cunchao Tu 和 Yuan Yao 两位研究者在 GitHub 上总结发表了一份关于网络表示学习（NRL: network representation learning）和网络嵌入研究领域（NE: network embedding）必读论文清单。这份清单共包含 5 篇综述论文和 64 篇会议期刊论文。同时两位研究者在 GitHub 上发布了 NE / NERL 的开源工具包 Op...
Rich Text
功夫李
06-16 710
如上图，new text类型，勾上Rich Text 即可进行同行不同颜色字体设置。在Text文本中对需要改变颜色的字体用标签括起来，标签中间不要有空格，我刚才犯了这个小错误，导致颜色不能正常显示。
表征学习学习
qq_33654685的博客
01-06 2548
作者：宣廷S 链接：https://www.zhihu.com/question/37162929/answer/791539000 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 什么是表达学习？为什么要表达学习？ 机器学习算法的成功与否不仅仅取决于算法本身，也取决于数据的表示。数据的不同表示可能会导致有效信息的隐藏或是曝露，这也决定了算法是不是能直截了...
【有啥问啥】表示学习（Representation Learning）详解：理论、方法与应用
Chauvin的博客
10-04 2815
表示学习作为机器学习和深度学习的重要分支，已经在多个领域展现出卓越的应用潜力。随着无监督学习、自监督学习、多模态学习等技术的快速发展，表示学习的研究和应用前景将更加广阔。然而，表示学习仍面临诸如可解释性、鲁棒性和多模态表示等方面的挑战，未来的研究将重点解决这些问题，以推动这一领域的进一步发展。未来，我们可以期待更多的应用场景，例如在自动驾驶、智能医疗、虚拟现实等领域，表示学习将发挥越来越重要的作用。
Representation learning表示学习
欢迎订阅 -- 小源笔迹
05-03 1559
机器学习（Machine Learning，ML）是指从有限的观测数据中学习（或“猜 测”）出具有一般性的规律，并利用这些规律对未知数据进行预测的方法。传统的机器学习主要关注如何学习一个预测模型。一般需要首先将数据表示为一组特征（Feature），特征的表示形式可以是连续的数值、离散的符号或其他形式。然后将这些特征输入到预测模型，并输出预测结果。这类机器学习可以看作浅层学习（Shallow Learning）。浅层学习的一个重要特点是不涉及特征学习，其特征主要靠人工经验或特征转换方法来抽取 为了提高.
表示学习(representation learning)的初印象
JohnJim的博客
03-13 2125
文章目录0 写在前面1 什么是表示？2 表示学习？3 参考资料 0 写在前面 表示学习(representation learning)是深度学习领域中一个比较重要的方面，本文则提供对表示学习的一个定性理解。 1 什么是表示？ 要清楚什么是表示(representation)学习，就得先知道什么是representation。在《deep learning with python》一书的1.1.3...
表征学习（Representation Learning）
最新发布
asdfg1258963的博客
04-20 783
表征学习（Representation Learning）
Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Model
12-27
### Vision Mamba: 双向状态空间模型用于高效视觉表征学习 Vision Mamba 是一种创新性的框架，旨在通过引入双向状态空间模型来实现高效的视觉表征学习。该方法利用了时间序列数据中的前后依赖关系，从而提高了特征...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值