基于几何邻居的半监督节点分类.PDFVIP

37 9 Vol. 37 No. 9 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于几何邻居的半监督节点分类 成天英，王 茜，袁 丁 (重庆大学 计算机学院, 重庆 400044) 摘 要：现实世界中存在各种各样的网络，如社交网络，文献网络等。目前基于网络结构的节点分类方法只注重局 部网络连接关系。为了能获取更广泛的网络信息，提出一种基于邻居节点结构信息的半监督节点分类算法 CBGN 。 首先，在网络中加入惩罚因子来改进随机游走策略以获取节点的不定长游走序列，这些节点序列被当作句子输入到 word2vec 模型中，从而将网络结构的潜在信息转换成向量作为节点的特征表示。其次，改进支持向量机算法，结合 梯度下降法和坐标下降法来优化参数空间，以对未标记节点进行更准确的分类。最后，在四个标准数据集上与目前 较先进的几种方法进行了对比实验。结果表明，CBGN 算法提高了分类精度，相比之前已有的方法具有更好的分类 效果。 关键词：特征表示；节点分类；半监督学习；随机游走；网络分析 中图分类号：TP doi: 10.19734/j.issn.1001-3695.2019.03.0110 Semi-supervised node classification based geometric neighbor Cheng Tianying, Wang Qian, Yuan Ding (College of Computer, Chongqing University, Chongqing 400044, China) Abstract: There are various networks in the real world, like social networks and literature networks. existent node classification methods based on network structure only pay attention to local network connection relationship. For obtaining wider network information, this paper developed a semi-supervised node classification algorithm CBGN based on geometric neighbor structure information . With penalty factor in network, this algorithm improved random walk strategy to obtain arbitrary length node sequence for each node. These node sequences are input into the word2vec model for transforming the potential information into node vectors . CBGN combined gradient descent method and the coordinate descent method to optimize the SVM classification model. This met