重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (5): 130-138.doi: 10.3969/j.issn.1674-8425(z).2020.05.017

• “第二十五届全国信息检索学术会议”（CCIR2019）专栏 • 上一篇    下一篇

融合多类型信息的社交网络用户表示学习方法

董祥祥1,2,3,梁 英1,3,谢小杰1,2,3   

  1. 1.中国科学院计算技术研究所,北京 100190;2.中国科学院大学计算机科学与技术学院,北京 100049;3.移动计算与新型终端北京市重点实验室,北京 100190
  • 发布日期:2020-06-13
  • 作者简介:董祥祥，男，硕士，主要从事数据挖掘研究，Ｅｍａｉｌ：ｔｈｅａｂｅｌｘ＠１６３．ｃｏｍ；通讯作者梁英，女，硕士，副教授，主要从事数据挖掘研究，Ｅ-ｍａｉｌ：ｌｉａｎｇｙ＠ｉｃｔ．ａｃ．ｃｎ。
  • 基金资助:
    国家重点研发计划基金项目(2018YFB1004700,2016YFB0800403)

  • Published:2020-06-13

PDF (PC)

238

赞

摘要： 网络表示学习方法进行社交网络用户表示可以避免大量的特征工程，同时方便对不同类型的特征进行融合。由于社交网络通常规模大且数据类型丰富，采用基于神经网络的网络表示学习方法，融合社交网络中的多类型信息学习用户表示，提出了一种融合多类型信息的社交网络用户表示学习方法。对社交网络用户涉及的文本、网络结构和属性标签信息设计了独立的神经网络结构和目标函数，并通过对目标函数求加权和的方式进行融合，采用梯度下降算法进行联合优化得到社交网络用户表示。Ｃｏｒａ和Ｗｅｉｂｏ数据集上的实验结果表明：所提方法可以更好地融合社交网络中的多类型信息，获得更有区分度的用户特征，可有效提升分类任务的准确率。

关键词: 社交网络, 网络表示学习, 信息融合

中图分类号: 

  • TP39