基于结构深度网络嵌入模型的节点标签分类算法

摘要

在海量数据呈现爆炸增长态势的互联网时代,传统算法已无法满足处理大规模、多类型数据的需求。近年来最新的图嵌入算法通过学习图网络特征,在链路预测、网络重构和节点分类实践中普遍取得了极佳的效果。文中基于传统自动编码器模型,创新地提出了一种融合Sdne算法与链路预测相似度矩阵的新算法,通过在反向传播过程中引入高阶损失函数,依据自编码器的新特征调整性能,改进传统算法中以单一方式判定节点相似度这一方法存在的弊端,并建立简易模型分析证明优化的合理性。对比最新研究中效果最好的Sdne算法,该算法在Micro-F1和Macro-F1两种评价指标上的提升效果均接近1%,可视化分类效果表现良好。与此同时,研究发现高阶损失函数超参的最优值大致处于1~10范围内,数值的变化依旧能够基本稳定维持整体网络的鲁棒性。