网络表示学习综述

发布时间：2018-12-20 09:32

【摘要】：网络是表达物体和物体间联系的一种重要形式,针对网络的分析研究的一个关键问题就是研究如何合理地表示网络中的特征信息.随着机器学习技术的发展,针对网络中节点的特征学习成为了一项新兴的研究任务.网络表示学习算法将网络信息转化为低维稠密的实数向量,并用于已有的机器学习算法的输入.举例来说,节点表示可以作为特征送入支持向量机等分类器用于节点分类任务,也可以作为欧氏空间中的点坐标用于可视化任务.近年来,网络表示学习问题吸引了大量的研究者的目光,本文将针对近年来的网络表示学习工作进行系统性的介绍和总结.
[Abstract]:Network is an important form of expressing the relationship between objects and objects. A key problem in the analysis of network is how to represent the characteristic information in the network reasonably. With the development of machine learning technology, feature learning for nodes in the network has become a new research task. The network representation learning algorithm transforms the network information into low dimensional dense real number vectors and is used to input the existing machine learning algorithms. For example, node representation can be used as a feature for classifiers such as support vector machines for node classification tasks, or as point coordinates in Euclidean space for visual tasks. In recent years, the network representation learning problem has attracted a lot of researchers' attention. This paper will systematically introduce and summarize the network representation learning work in recent years.
【作者单位】： 清华大学计算机科学与技术系;智能技术与系统国家重点实验室(清华大学);清华信息科学与技术国家实验室(筹);
【基金】：国家重点基础研究发展计划(973)(批准号:2014CB340501) 国家社会科学基金重大招标项目(批准号:13&ZD190) 国家自然科学基金(批准号:61572273) 中国科协青年人才托举计划(批准号:2016QNRC001) 清华大学自主科研项目(批准号:20151080406)资助
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 马志方;;一种类推学习法[J];计算机研究与发展;1990年09期

2 汪云九,姚国正;神经系统中学习和记忆的数学模型[J];自然杂志;1987年11期

3 冯英伟;韩瑛;;基于Agent技术的网络教育学习者分析[J];教育信息化;2006年20期

4 吴元斌;;单agent强化学习与多agent强化学习比较研究[J];电脑与信息技术;2009年01期

5 汪国华;;CBR模式下个体进行高效率学习的思考[J];数学通讯;2009年06期

6 王星;方滨兴;张宏莉;何慧;赵蕾;;关系分类的学习界限研究[J];软件学报;2013年11期

7 张景祥;王士同;邓赵红;李奕;蒋亦樟;;具有协同约束的共生迁移学习算法研究[J];电子学报;2014年03期

8 孙方平;符秀辉;;复杂环境下机器人的行为学习研究[J];仪器仪表学报;2006年S3期

9 赵凤飞;覃征;;一种多动机强化学习框架[J];计算机研究与发展;2013年02期

10 余志刚,徐华中;变学习因子神经网络自适应控制研究[J];武汉汽车工业大学学报;1997年02期

相关博士学位论文 前3条

1 王星;关系分类模型的学习界限与应用[D];哈尔滨工业大学;2015年

2 潘剑寒;基于多潜在空间的迁移学习算法研究[D];合肥工业大学;2016年

3 龙明盛;迁移学习问题与方法研究[D];清华大学;2014年

相关硕士学位论文 前10条

1 李杰龙;基于主动学习的多示例多标签学习算法研究[D];广东工业大学;2016年

2 谢江龙;面向张量数据的迁移学习研究与应用[D];广东工业大学;2016年

3 周谊成;面向强化学习的模型学习算法研究[D];苏州大学;2016年

4 鲁成祥;基于动机的强化学习及其应用研究[D];曲阜师范大学;2016年

5 徐骁;深度学习的亚健康识别算法的研究[D];辽宁大学;2016年

6 赵权;标记分布学习若干问题研究[D];东南大学;2016年

7 李波;基于分层强化学习的多agent路径规划与编队方法研究[D];河南师范大学;2016年

8 焦夏;基于多Agent的移动学习模型研究[D];宁波大学;2013年

9 马海鹏;泛在学习环境下一种学习控制模型的研究[D];陕西师范大学;2014年

10 宋碧慧;基于多Agent协作强化学习的研究[D];湖南大学;2013年

，

本文编号：2387800