模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (6): 532-540    DOI: 10.16451/j.cnki.issn1003-6059.202106005
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于图卷积神经网络的网络节点补全算法
刘臣1, 李自然1, 周立欣1
1.上海理工大学 管理学院 上海 200093
Network Node Completion Based on Graph Convolutional Network
LIU Chen1, LI Ziran1, ZHOU Lixin1
1. Business School, University of Shanghai for Science and Technology, Shanghai 200093

全文: PDF (660 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 网状数据结构通常获取的网络数据不完整,存在缺失节点.对此,文中提出基于图卷积神经网络的网络节点补全算法.首先对可观测网络进行成对采样,构造目标节点对的封闭子图和特征矩阵.然后利用图卷积神经网络提取子图及特征矩阵的表征向量,用于推断子图中的目标节点对之间是否存在缺失节点,同时判断不同目标节点对间的缺失节点是否为同一节点.最后,在真实网络数据集及人工生成的网络数据集上的实验表明,文中算法可较好解决网络补全问题,在缺失节点比例较大时仍能有效补全网络.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘臣
李自然
周立欣
关键词 网络补全节点补全图卷积神经网络深度学习    
Abstract:Aiming at the incomplete network data and missing nodes in graph data structure, a network node completion algorithm based on graph convolutional network is proposed. Firstly, the observed network is sampled in pairs to construct the closed subgraph and feature matrix of the target node pair. Then, the graph convolutional neural network is employed to extract the representation vectors of subgraphs and their feature matrices for two purposes. One is to infer whether there are missing nodes between target node pairs of each subgraph, and the other is whether the missing nodes between different target node pairs are the same node. Finally, experiments on real network datasets and artificially generated network datasets show that the proposed model can solve the problem of network completion well and recover the network even when half of the nodes in the network are missing.
Key wordsNetwork Completion    Node Completion    Graph Convolutional Network    Deep Learning   
收稿日期: 2021-01-27     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.71774111,71804047,71401107)、上海高校特聘教授(东方学者)岗位计划项目(No.1021303601)资助
通讯作者: 周立欣,博士,主要研究方向为链路预测、深度学习.E-mail:zhoulixin1861@homtail.com.   
作者简介: 刘 臣,博士,副教授,主要研究方向为web数据挖掘、互联网用户行为分析、深度学习.E-mail:chenliu@usst.edu.cn.
李自然,硕士研究生,主要研究方向为网络补全、链接预测.E-mail:nature_liii0920@163.com.
引用本文:   
刘臣, 李自然, 周立欣. 基于图卷积神经网络的网络节点补全算法[J]. 模式识别与人工智能, 2021, 34(6): 532-540. LIU Chen, LI Ziran, ZHOU Lixin. Network Node Completion Based on Graph Convolutional Network. , 2021, 34(6): 532-540.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202106005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I6/532
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn