一种基于高阶相似度和卷积自编码器的网络节点嵌入方法

摘要

本发明属于复杂网络分析技术领域，具体涉及一种基于高阶相似度和卷积自编码器的网络节点嵌入方法。本发明包括获取图形式的网络数据G(E,V)与其邻接矩阵A；计算邻接矩阵的1～k次幂A,A2,....,Ak来保存网络的高阶相似度，将所生成的矩阵A,A2,....,Ak进行有序叠加，构建三维张量，对特定节点的分量进行提取，对提取结果进行Z字排列并叠加生成“RGB”图像；构建卷积自编码器，将步骤2中生成的“RGB”图像输入卷积自编码器中进行特征提取，将提取到的特征向量作为各个节点的嵌入向量。本发明将高阶相似度和卷积神经网络结合起来，在网络节点的嵌入中取得了良好的效果。