%0 Journal Article %A 张潘 %A 卢光跃 %A 吕少卿 %A 赵雪莉 %T 基于矩阵分解的属性网络表示学习 %D %R 10.19678/j.issn.1000-3428.0055764 %J 计算机工程 %P 67-73 %V 46 %N 10 %X 为融合网络拓扑结构与节点属性信息以提高网络表示学习质量,提出一种新的属性网络表示学习算法(ANEMF)。引入余弦相似性概念,定义网络二阶结构相似度矩阵和属性相似度矩阵,通过对网络结构相似度和属性相似度损失函数进行联合优化学习,并利用矩阵分解的形式实现网络拓扑结构与节点属性信息的融合,同时应用乘法更新规则计算得到节点表示向量。在3个公开数据集上的实验结果表明,与DeepWalk和TADW算法相比,ANEMF算法得到的节点表示向量能够保留网络拓扑结构与节点属性信息,有效提升其在节点分类任务中的综合性能。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0055764