论文：network embedding

最新推荐文章于 2024-04-17 13:54:52 发布
转载 最新推荐文章于 2024-04-17 13:54:52 发布 · 269 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/baiting/p/6268210.html
文章标签：

#人工智能

本文介绍了五种网络嵌入模型，包括DeepWalk、Node2vec、GENE、LINE及SDNE，这些模型广泛应用于图数据的特征表示学习中。DeepWalk通过随机游走生成节点序列并利用Skip-Gram模型训练；Node2vec则引入了加权随机游走策略以平衡邻域采样；GENE考虑了节点属性；LINE适用于大型网络；SDNE旨在保留一阶和二阶相似性的同时学习深层结构。

network embedding model: 

1,deep walk(kdd 2014):

http://videolectures.net/kdd2014_perozzi_deep_walk/

2,Node2vec (Grover et al. KDD 2016)

http://snap.stanford.edu/node2vec/

3,GENE(Chen at al. CIKM 2016)

Zhangqi

http://tech.huanqiu.com/news/2016-11/9742868.html

http://jkx.fudan.edu.cn/~qzhang/publications.html

4,LINE(Tang at al. www2015) Tang jian 

源码：https://github.com/tangjianpku/LINE

https://arxiv.org/abs/1503.03578

5, SDNE( Wang et al. KDD 2016)

 

转载于:https://www.cnblogs.com/baiting/p/6268210.html

文论瞎读：Network Embedding as Matrix Factorization: Unifying DeepWalk, LINE, PTE, and node2vec
qq_41416938的博客
10-13 3112
Network Embedding as Matrix Factorization: Unifying DeepWalk, LINE, PTE, and node2vec 论文地址：https://arxiv.org/abs/1710.02971 简介： 本文由微软和清华合作，在2018年发表，文章将DeepWalk, LINE, PTE, and node2vec算法在MF框架下进行了统一...
【Graph Embedding/Network Embedding 图嵌入/网络表示学习】主要工作（Deepwalk/LINE/node2vec）总结
TsingM
05-21 3398
本文介绍了图嵌入/网络表示学习领域比较重要的三个工作DeepWalk/LINE/node2vec，重点在于它们的思路、算法以及其中关联。
network embedding综述
05-03
这也是一篇关于关于网络表述学习的综述，国外一篇很具代表性的survey，
NRL: network representation learning和NE: network embedding必读论文清单
I‘m Frank Lee
07-24 281
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 https://blog.youkuaiyun.com/yimingsilence/article/details/80474046
机器学习基础--网络嵌入方法（Network Embedding）
wydbyxr的博客
08-31 1万+
网络嵌入方法（Network Embedding） 　　旨在学习网络中节点的低维度潜在表示，所学习到的特征表示可以用作基于图的各种任务的特征，例如分类，聚类，链路预测和可视化。 　　由于信息网络可能包含数十亿个节点和边缘，因此在整个网络上执行复杂的推理过程可能会非常棘手。因此有人提出了用于解决该问题的一种方法是网络嵌入（Network Embedding）。NE 的中心思想就是找到一种映射函数...
ProGAN: Network Embedding via Proximity Generative Adversarial Network 论文笔记
Pairsppppp的博客
05-04 1221
ProGAN: Network Embedding via Proximity Generative Adversarial Network 使用相似性生成对抗网络的网络嵌入 动机： 发现不同节点之间的邻近性是学习良好的节点表示的关键。网络中的边很稀疏，不能很好地披露不同节点的相似性，且大多数算法不能完全利用网络拓扑结构和属性信息。因此作者提出ProGAN可以生成邻近性。通过保留真实的相似性和生成...
【论文阅读 | KDD2021】ImGAGN: Imbalanced Network Embedding via Generative Adversarial Graph Networks
grove976的博客
10-26 1245
0 Abstract 问题：图上的不平衡分类 方法：提出了一个半监督生成对抗图网络模型（ImGANN），以解决图上的不平衡分类问题 引入了一种新颖的图结构数据生成器GraphGenerator，它可以通过生成一组合成少数节点来模拟少数类节点的属性分布和网络拓扑结构分布，使得不同类中的节点数量可以平衡。 1 Introduction 挑战： 少数节点与多数节点是不可分离的，即在网络中很难找到多数节点和少数节点的支持区域（如图1（a）所示） 主要贡献： 提出了一种新的半监督生成对抗网络，利用生成器来模拟少数
论文笔记（一）：Temporal Network Embedding with High-Order Nonlinear Information
weixin_51083777的博客
04-28 962
论文笔记（一）：Temporal Network Embedding with High-Order Nonlinear Information 论文标题：Temporal Network Embedding with High-Order Nonlinear Information 会议：AAAI 时间：2020 paper链接：https://ojs.aaai.org//index.php/AAAI/article/view/5993 一、总述： 文章主要研究时间网络嵌入，这是研究时.
Adversarial Network Embedding论文解读
qq_28900249的博客
07-31 2387
Adversarial Network Embedding 摘要 现有的方法可以有效地将结构属性编码成低维向量表示，但是，他们大多缺少加强表示鲁棒性的额外约束。本篇文章提出一个对抗网络表示（ANE）框架，利用对抗学习原则来规划表示学习。框架由两部分组成，一个结构保留部分和一个对抗学习部分，前者旨获取网络结构属性，后者致力于学习鲁棒性表示，使结构保留部分生成的网络表示服从先验分布。 介绍 网...
论文笔记：Heterogeneous Network Embedding via Deep Architectures
travalscx的博客
01-15 2137
Heterogeneous Network Embedding via Deep Architectures中心思想方法1. text和image的表达image的表达text的表达2. 映射到相同的空间3. 目标函数学习整体网络总结 论文使用深度网络建模，学习异构信息网络中的节点的向量表达。 中心思想 将异构信息网络中的不同类型的顶点映射到相同维度的空间，embedding到相同维度的向量表达。...
给出如图所示网的邻接矩阵表示_图表示学习 实践与思考
weixin_39623082的博客
11-30 410
作者： @henryWang 引言结合了表示学习和深度学习的图模型已经成为近些年人气最高的研究方向之一，然而令其服务于应用场景并不简单，即便线上业务能产生大量数据，如何根据数据构建符合需求的图结构依然是强业务相关，难以总结通用经验的问题。在这方面，医疗信息行业有先天优势，首先从医学文献资料中就可以获取可靠的半结构化数据（就如众所周知的医疗知识图谱）此外医疗从业者的工作经验也能为我们构建图结构数据提...
《 Heterogeneous Network Embedding via Deep Architectures》 论文分析
luoxuexiong的博客
04-30 1115
《 Heterogeneous Network Embedding via Deep Architectures》 论文分析 《Heterogeneous Network Embedding via Deep Architectures》发表在KDD2015 1.论文思路： 在本文中，研究了具有不同类型节点和内容的异构网络的场景。设计了一种网络数据的深度嵌入算法。采用高度非线性的多层嵌入...
推荐系统初学者系列（8）-- Graph Embedding（网络嵌入表示）做Top-K推荐
热门推荐
私人天地
06-29 1万+
上一篇：Surprise库做Top-K推荐
图机器学习基础知识——CS224W（04-pagerank）
最新发布
WindGrin_的博客
04-17 845
图机器学习基础知识——CS224W（04-pagerank）
【Datawhale图机器学习】图嵌入表示学习
JeffDing
02-20 539
表示学习：自动学习特征将各个模态输入转为向量嵌入向量包含网络连接信息。
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...
NRL: network representation learning & NE: network embedding. 相关论文总结
BVL的博客
07-18 4051
Must-read papers on NRL/NE.NRL: network representation learning. NE: network embedding. DeepWalk: Online Learning of Social Representations. Bryan Perozzi, Rami Al-Rfou, Steven Skiena. KDD 2014. paper
Network Representation/ graph embedding 综述
travalscx的博客
01-15 913
几个综述： Graph Embedding Techniques, Applications, and Performance: A Survey Representation Learning on Graphs: Methods and Applications A Comprehensive Survey of Graph Embedding:Problems,Techniques and...
【论文笔记】Structural Deep Network Embedding
煎饼加鸡丝
10-30 5031
Structural Deep Network Embedding https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf 本文介绍图嵌入的一种方法——SDNE，用深度神经网络来做图嵌入，以下主要摘录论文以及记录一点个人理解。 摘要 network embedding，是为网络中的节点学习出一个低维表示的方法。 目的在于在低...
精选graph embedding算法论文综述
在深入了解graph embedding相关论文之前，有必要对graph embedding这一概念进行细致的解析。graph embedding是一种将网络结构数据转化为低维稠密向量的技术，使得原本高维、稀疏的图结构数据能够在低维空间中进行...
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