基于二階圖自編碼器的復(fù)雜網(wǎng)絡(luò)分析

打開文本圖片集

摘  要：為了充分利用復(fù)雜網(wǎng)絡(luò)中蘊含的信息，增強圖自編碼器模型的表征能力，提出一種基于二階圖卷積網(wǎng)絡(luò)的自編碼器模型SeGCN-AE。先使用二階圖卷積網(wǎng)絡(luò)提取實體屬性和關(guān)系信息，生成低維特征表示；然后使用內(nèi)積解碼器重構(gòu)復(fù)雜網(wǎng)絡(luò)鏈接關(guān)系矩陣，并通過重構(gòu)損失對模型進行優(yōu)化。在兩個基準復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)集實驗中，SeGCN-AE的性能始終優(yōu)于當前較為先進的基線模型，表明二階關(guān)系的引入能夠增強模型的表征能力，提升復(fù)雜網(wǎng)絡(luò)分析任務(wù)的表現(xiàn)。（剩余6660字）