犇荦犘犁基于阻尼采样的大规模动态社会网络结构特征表示学习.PDF

第卷第期 计 算 机 学 报 ４０ ４ 　 　　　　　　　　 Ｖｏｌ．４０Ｎｏ．４ 年月 ２０１７４ Ａｒ．２０１７ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｐ 　 ：基于阻尼采样的大规模动态社会网络 犇犖犘犛 结构特征表示学习 ） ） ） ） ） １ １ １ １ ２ 李志宇 梁循 徐志明齐金山陈燕方 　 　 　 　 ） １中国人民大学信息学院北京 （ ） １００８７２ 　 　 ） ２（ ） 中国人民大学信息资源管理学院北京１００８７２ 　 　 摘要 （ ） ， 网络特征表示学习通过对网络节点之间的关系结构或属性进行分析得出网络特征的低维度表达现有 ． 　　 的针对网络特征学习的方法多基于静态和小规模的假设（如静态的语言网络），并没有针对社会网络的特有属性进行 修正学习，因此，现有的学习方法无法适应当前社会网络所具备的动态性、大规模甚至超大规模等特性该文在已有 ． 研究基础上，提出了基于动态阻尼正负采样的社会网络结构特征嵌入模型（ ＤａｍｉｎＢａｓｅｄＮｅａｔｉｖｅＰｏｓｉｔｉｖｅＳａｍ ｐｇ ｇ ， ） ， 通过对不同阶层的网络节点关系进行正负阻尼采样同时构建针对新 ｌｉｎｏｆＳｏｃｉａｌＮｅｔｗｏｒｋＥｍｂｅｄｄｉｎＤＮＰＳ． ｐｇ ｇ ， ， 增节点的动态特征学习方法使得模型对于大规模社会网络在动态变化过程中的结构特征的提取变得可行以此 获得的节点特征表达具备更好的动态鲁棒性通过选取个大规模的动态社会网络的真实数据集和在社会网络的