Step2Vec:面向动力学传播的网络表示学习方法  

Step2Vec:A Network Representation for Dynamic Transmission

作　　者：陈奇 焦鹏飞[1] 王震 鲍青 CHEN Qi;JIAO Pengfei;WANG Zhen;BAO Qing(School of Cyberspace,Hangzhou Dianzi University,Hangzhou,Zhejiang 310018,China)

机构地区：[1]杭州电子科技大学网络空间安全学院,浙江杭州310018

出　　处：《中文信息学报》2025年第2期100-110,共11页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61902278);浙江省属高校基本科研业务费专项(GK229909299001-008)。

摘　　要：网络表示学习是对节点的网络结构的一种分布式表示方案,目前被广泛应用于节点分类、社团发现和边关系预测等任务中。然而网络表示学习对网络传播过程中节点状态的估计仍是一个开放性的问题。经典的网络表示学习方法在对该问题上的应用效果不佳,因此该文提出了基于动力学传播的采样方法,称为Step2Vec逐步采样方法。Step2Vec通过结合网络传播过程,对节点的网络结构信息进行提取并训练。该文分别将Step2Vec与其他的网络分析方法及网络表示学习方法在多个引文网络和真实传播网络上进行了节点状态估计和边关系预测的实验。实验结果表明,Step2Vec算法估计网络传播中的节点状态准确率达85.6%,且对边关系预测的准确率也具有一定提升,相较于随机游走算法平均提高了5.9%。The network representation learning is a distributed representation scheme for the nodes and the network structure,which is widely used in node classification,community detection and link prediction.It is still an open issue for network representation learning to estimate node state during network transmission.This paper proposes a sampling method based on dynamic transmission,called Step2Vec step-by-step sampling method.Step2Vec extracts and trains the network structure features of nodes by combining the network transmission process.Evaluated by node state estimate task and link prediction task,Step2Vec algorithm achieves 85.6%in estimating the node state in network transmission,and outperforms the random walk algorithm by 5.9%.

关 键 词：网络传播 网络表示学习方法 状态估计 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]