网络表示学习GraphGAN

网络表示学习(Network Representation Learning),又名网络嵌入(Network Embedding)、图嵌入(Graph Embedding),旨在从网络数据中学习得到网络中每个节点的低维、实值、稠密的向量表示, 之后这些节点表示就可以作为节点的特征应用于后续的网络应用任务中,如节点分类、链接预测、社区发现、可视化任务等。本次报告介绍了一种结合生成式模型和判别式模型的基于生成对抗网络的网络表示学习的方法GraphGAN。

原创文章,作者:admin,如若转载,请注明出处:https://www.isclab.org.cn/2019/11/13/%e7%bd%91%e7%bb%9c%e8%a1%a8%e7%a4%ba%e5%ad%a6%e4%b9%a0graphgan/

赞 (0)
adminadmin
上一篇 2019年10月29日 下午10:23
下一篇 2019年11月14日 下午2:47

相关推荐

  • 群体认知诊断技术研究

    智慧教育系统的不断发展促进了在线学习的用户数量爆炸式增长,对于学生认知水平诊断要求不断提高,群体认知诊断技术能够帮助平台挖掘学习群体的共性需求,增进教学效果。本次学术报告介绍了群体…

    2025年10月11日
    3.7K
  • Agent or not?从程序自动修复评估智能体

    本次报告在程序自动修复场景评估智能体,首先以OpenClaw为例引出Agent,阐释智能体与程序自动修复的内涵、背景及SWE-bench、ACI等基础;随后重点介绍SWE-agen…

    2026年3月9日
    4.3K
  • 启发式参数优化算法举例

    优化问题在日常生活中比较常见,而对于数据挖掘领域优化问题则更为常见,更为普遍。任何一种算法在设计之初必然预留了一组可调的参数,以期通过参数调节来得到算法的最佳效果。因为参数优化问题…

    学术报告 2015年9月9日
    5.0K
  • 基于Transformer的时间序列分析

    本次报告主要从Transformer框架入手,介绍基于Transformer模型的时间序列分析方法。针对Transformer模型的位置嵌入、注意力机制、模型架构三个方向在时间序列…

    2023年6月17日
    4.1K
  • 纵向联邦学习标签推理防御方法

    本报告围绕纵向联邦学习中的标签推理防御,分析被动方利用梯度和中间表示推断私有标签的机制,介绍基于标签压缩的LCD与基于因果混淆的Casper,结合实验结果讨论标签隐私保护与主任务性…

    2026年11月9日
    220
  • 服务端模板注入漏洞

          服务端模板注入是攻击者通过与服务端模板的输入输出交互,在过滤不严格的情况下,构造恶意输入数据,从而达到获取关…

    2019年4月16日
    4.0K
  • 内存分段和常见段错误

          段错误(segmentation fault)是我们在Linux下编程以及在线提交代码常见的错误。本次学术报…

    2018年7月25日
    3.2K
  • 特征选择方法

          特征选择是指为了构建模型而选择相关特征子集的过程,目的是去除特征中的无关特征和冗余特征,进而达到简化模型,增…

    2018年5月28日
    4.1K
  • 可解释的假新闻检测

    虚假新闻对社会产生了许多负面影响。现有假新闻检测方法按照输入条件,可分为基于新闻内容及其外部知识的方法,以及基于社交上下文的方法。最新的方法在检测假新闻方面取得了较高的精度,然而这…

    2022年11月14日
    4.2K
  • 网络表示学习-SDNE

          真实的网络结构是高度非线性和复杂的,现有的浅层模型的网络嵌入方法都无法很好地表示更高级的非线性的网络结构。因…

    2019年3月26日
    3.4K