复杂网络的双曲空间表征学习方法

2020 年 11 月 13 日 专知


复杂网络在现实场景中无处不在,高效的复杂网络分析技术具有广泛的应用价值,比如社区检测、链路预测等.然而直接对大规模的复杂网络邻接矩阵进行分析需要较高的时间、空间复杂度,网络表征学习是一种解决此问题的有效方法.该类方法将高维稀疏的网络信息转化为低维稠密的实值向量,可以作为机器学习算法的输入,便于后续应用的高效计算.传统的网络表征学习方法将实体对象嵌入到低维欧氏向量空间中,但复杂网络是一类具有近似树状层次结构、幂率度分布、强聚类特性的网络,该结构更适合用具有负曲率的双曲空间来描述. 本文将针对复杂网络的双曲空间表征学习方法进行系统性的介绍和总结.


http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6092&flag=1


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“双曲空间” 可以获取《复杂网络的双曲空间表征学习方法》pdf专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
2

相关内容

专知会员服务
47+阅读 · 2021年2月2日
卷积神经网络模型发展及应用(中文版),20页pdf
专知会员服务
88+阅读 · 2021年1月15日
基于事件社会网络推荐系统综述
专知会员服务
68+阅读 · 2021年1月13日
专知会员服务
65+阅读 · 2020年9月24日
专知会员服务
78+阅读 · 2020年8月4日
专知会员服务
129+阅读 · 2020年7月10日
专知会员服务
107+阅读 · 2020年5月21日
【ICLR2020-】基于记忆的图网络,MEMORY-BASED GRAPH NETWORKS
专知会员服务
108+阅读 · 2020年2月22日
生成式对抗网络GAN异常检测
专知会员服务
114+阅读 · 2019年10月13日
最新《图嵌入组合优化》综述论文,40页pdf
深度学习模型可解释性的研究进展
专知
25+阅读 · 2020年8月1日
深度多模态表示学习综述论文,22页pdf
专知
30+阅读 · 2020年6月21日
最新《动态网络嵌入》综述论文,25页pdf
专知
34+阅读 · 2020年6月17日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
最新《生成式对抗网络GAN进展》论文
专知
95+阅读 · 2019年4月5日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
Arxiv
19+阅读 · 2021年1月14日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
3+阅读 · 2020年2月5日
Arxiv
35+阅读 · 2020年1月2日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
VIP会员
相关VIP内容
专知会员服务
47+阅读 · 2021年2月2日
卷积神经网络模型发展及应用(中文版),20页pdf
专知会员服务
88+阅读 · 2021年1月15日
基于事件社会网络推荐系统综述
专知会员服务
68+阅读 · 2021年1月13日
专知会员服务
65+阅读 · 2020年9月24日
专知会员服务
78+阅读 · 2020年8月4日
专知会员服务
129+阅读 · 2020年7月10日
专知会员服务
107+阅读 · 2020年5月21日
【ICLR2020-】基于记忆的图网络,MEMORY-BASED GRAPH NETWORKS
专知会员服务
108+阅读 · 2020年2月22日
生成式对抗网络GAN异常检测
专知会员服务
114+阅读 · 2019年10月13日
相关资讯
最新《图嵌入组合优化》综述论文,40页pdf
深度学习模型可解释性的研究进展
专知
25+阅读 · 2020年8月1日
深度多模态表示学习综述论文,22页pdf
专知
30+阅读 · 2020年6月21日
最新《动态网络嵌入》综述论文,25页pdf
专知
34+阅读 · 2020年6月17日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
最新《生成式对抗网络GAN进展》论文
专知
95+阅读 · 2019年4月5日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
相关论文
Arxiv
19+阅读 · 2021年1月14日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
3+阅读 · 2020年2月5日
Arxiv
35+阅读 · 2020年1月2日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Top
微信扫码咨询专知VIP会员