《表3 基于神经语言模型的网络表示学习代表性算法》
基于神经语言模型的网络表示学习是目前的研究热点,其基本原理和思路来源于代表性的词向量生成工具Word2Vec。[20]Word2Vec工具包含CBOW模型和Skip-gram模型,选取输入词的前后n个词作为上下文,学习包含语义信息的输入词的向量表示。针对网络结构和神经语言模型的特点,网络表示学习把节点类比为词,把在网络中获得的节点序列类比为句子,将节点序列作为Word2Vec的输入,根据每个节点的上下文信息,得到节点的向量表示。根据节点序列获取方式的不同,形成了以Deep Walk[21]、LINE[15]、Node2vec[22]、Metapath2Vec[17]等为代表的基于神经语言模型的网络表示学习方法(见表3)。
图表编号 | XD005276100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.30 |
作者 | 单嵩岩、吴振新 |
绘制单位 | 中国科学院大学图书情报与档案管理系 |
更多格式 | 高清、无水印(增值服务) |