融合多类型信息的社交网络用户表示学习方法

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。