一种融合节点文本属性信息的网络表示学习算法

摘要

现有网络表示学习算法主要针对网络结构信息进行表示学习,而忽略现实网络中丰富的节点文本属性信息.为有效融合网络结构信息和节点文本属性信息进行表示学习,提出一种新的网络表示学习算法.为实现两方面信息在训练过程中的相互约束,建立基于参数共享的共耦神经网络训练模型,并利用负采样和随机梯度下降的优化策略实现训练过程的快速收敛.实验结果表明,与Doc2Vec算法、DeepWalk算法、DW+ D2V算法和TADW算法相比,该算法的分类性能更好.