首页> 中国专利> 一种复杂网络表征学习方法

一种复杂网络表征学习方法

摘要

本发明公开了一种复杂网络表征学习方法,包括如下步骤:对于输入的网络数据,构建一个有向图来进行表示;对网络中所有出现过的节点进行编号;得到网络的邻接矩阵;将所得邻接矩阵输入模型,得到网络中节点间的概率共现矩阵;将概率共现矩阵结合网络中全局节点共现的次数计算网络的正向逐点互信息矩阵;将正向逐点互信息矩阵作为深度神经网络模型的输入;训练神经网络模型,将正向逐点互信息矩阵变换为低维向量。本发明通过捕获网络中节点间的一阶相似性和二阶相似性来对网络中的局部结构和全局结构进行保护,使得学习到的向量能够最大程度的保留原始网络中的全部信息,具有很好的普适性,可以应用到所有有关的网络分析任务中。

著录项

  • 公开/公告号CN109886401A

    专利类型发明专利

  • 公开/公告日2019-06-14

    原文格式PDF

  • 申请/专利权人 南京邮电大学;

    申请/专利号CN201910021661.5

  • 发明设计人 徐小龙;王扬;

    申请日2019-01-10

  • 分类号

  • 代理机构南京苏高专利商标事务所(普通合伙);

  • 代理人向文

  • 地址 210023 江苏省南京市栖霞区文苑路9号

  • 入库时间 2024-02-19 11:18:46

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2019-07-09

    实质审查的生效 IPC(主分类):G06N3/08 申请日:20190110

    实质审查的生效

  • 2019-06-14

    公开

    公开

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号