基于网络嵌入的稀疏子图发现算法

发布时间：2021-04-29 05:24

　　针对稀疏子图发现问题中使用高维稀疏向量表示网络信息存在的时间和空间消耗大的问题,提出一种基于网络嵌入的稀疏子图发现（TGF）算法。该算法首先通过网络嵌入的方法将网络结构映射到低维空间中,得到节点的低维向量表示;然后定义向量空间中的稀疏子集发现问题,将稀疏子图发现问题转化为稀疏子集发现问题;迭代搜索局部密度最低的样本点并对其进行扩张,最终找到一个满足条件的最大稀疏子集。实验结果表明,在Synthetic₁000数据集上与TERA（Triangle and Edge Reduction Algorithm）和WK（Weight of K-hop）算法相比,TGF算法的搜索效率是TERA的1 353倍,是WK算法的4倍,并且在k-line、k-triangle和k-density指标上也取得了较优的结果。 

【文章来源】：计算机应用. 2020,40(10)北大核心CSCD

【文章页数】：7 页

【文章目录】：
0 引言
1 相关研究
    1.1 稀疏子图发现
    1.2 网络嵌入
2 基于网络嵌入的稀疏子图发现算法
    2.1 节点网络嵌入学习
    2.2 稀疏子集发现
    2.3 时间复杂度分析
3 实验与结果分析
    3.1 实验数据集
    3.2 对比算法和评估指标
    3.3 整体结果分析
    3.4 参数敏感性分析
    3.5 实例分析
    3.6 时间性能分析
4 结语


【参考文献】：
期刊论文
[1]大规模复杂信息网络表示学习:概念、方法与挑战[J]. 齐金山,梁循,李志宇,陈燕方,许媛.  计算机学报. 2018(10)
[2]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)



本文编号：3166924