【摘 要】
：
鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型—— 基于生成对抗网络的异质网络表征学习(heterogen
【机 构】
：
吉林大学计算机科学与技术学院,吉林长春130012;吉林大学计算机科学与技术学院,吉林长春130012;吉林大学软件学院,吉林长春130012;吉林大学符号计算与知识工程教育部重点实验室,吉林长春13
论文部分内容阅读
鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型—— 基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial network,HNRL-GAN)模型;然后分析HNRL-GAN模型中的不足之处,进一步提出改进后的基于生成对抗网络的增强版异质网络表征学习(heterogeneous network representation learning based on generative adversarial network plus plus,HNRL-GAN++)模型;最后分别在DBLP、Yelp、Aminer等数据集中使用HNRL-GAN模型和HNRL-GAN++模型进行节点分类和节点聚类等实验以测试模型的有效性.实验结果表明:1)HNRL-GAN模型和HNRL-GAN++模型都实现了将异质信息网络中的高维稀疏节点表示为低维稠密向量这一目标;2)相较于HNRL-GAN模型,HNRL-GAN++模型在保留高维空间中网络结构信息和语义信息等方面拥有更好的性能.
其他文献
研究工件延误产生干扰且延误工件可拒绝下的单机重新排序问题.在该问题中,给定计划在零时刻到达的一个工件集需在一台机器上加工,工件集中的每个工件有它的加工时间和权重,在
设计了一种由类噪声脉冲抽运的全光纤结构平坦超连续谱光源。在色散管理掺铒光纤激光器中通过调节腔内偏振态,在泵浦功率为450 mW时,实现了稳定的类噪声脉冲锁模,锁模脉冲的中心波长为1600 nm,脉冲宽度为303 fs。在最大泵浦功率为1 W时,谐振腔直接输出功率为8.6 mW。较低的功率无法有效拓展超连续谱宽度,为此设计一种掺铒光纤放大器进行功率放大,放大器最大输出功率为338 mW,将功率放大后的类噪声脉冲耦合进高非线性光纤以产生超连续谱,超连续谱的20 dB光谱范围为1530 nm~2300 nm,在
现有的检测方法对轨道板细微裂缝和夜间拍摄的裂缝图像存在误检和漏检的现象,为此提出了一种基于卷积神经网络的改进方法。将特征图分组后用注意力机制强化各组向量的特征表达,以动态聚合弱分类器预测结果的方式得到最终的裂缝置信度。借助投票机制有效降低最终的预测偏差,提升模型的鲁棒性。实验结果表明:该改进方法在减少模型参数的情况下,在裂缝数据集上的准确率提升1.6%,在CIFAR-10数据集上的准确率提升2.8
随着互联网技术的普遍发展,世界进入了信息爆炸时代.将无结构的文本信息结构化使其能够充分地表现文本语义信息是文本挖掘、信息检索的关键基础性问题.文本表示效果的好坏将
DZ/T 0339-2020《矿床工业指标论证技术要求》是一部系统、全面规范矿床工业指标论证工作的标准,内容涵盖了矿床工业指标体系的确定、论证方法的选择、矿体的试圈试算以及矿
提出了一种基于三维卷积和卷积长短期记忆(convolutional long short-term mem-ory,CLSTM)神经网络的水产养殖溶解氧预测模型.首先,将输入向量及其转置相乘形成一个单通道矩
无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采
针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual
针对传统无线传感器网络能量供应问题,提出了基于射频能量捕获的无线传感器网络介质访问控制(medium access control,MAC)协议.首先在相邻节点之间运用时分多址(time divisio
提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d,并针对此数据集的不同分类任务给出了最佳方法.将Breath数据集划分