文章目录

1 引言

2 相关工作

3 基于无监督集群级的科技论文异质图节点表示学习方法

3.1 问题定义

3.2 UCHL整体架构

3.3 科技论文异质图的负样本构建

3.4 科技论文异质图的层级局部编码器

3.5 科技论文异质图的互信息代理

4 实验结果与分析

4.1 数据集

4.2 对比方法

4.3 UCHL的实验结果与分析

结束语

文章摘要:科技论文数据的知识表征是一个有待解决的问题，而如何学习科技论文异质网络中论文节点的表示是解决这一问题的核心。文中提出了一种基于无监督集群级的科技论文异质图节点表示学习方法（Unsupervised Cluster-level Scientific Paper Heterogeneous Graph Node Representation Learning Method, UCHL）,以获取科技论文异质图中节点（作者、机构与论文等）的表示。基于科技论文异质图表示对整个异质图进行链接预测，获取节点之间边的关系，即论文与论文之间的关联关系。实验结果表明，在真实的科技论文数据集上，所提方法在多项评测指标上都取得了更优的性能。

文章关键词:

项目基金: 上一篇：铁路运输论文_科技论文关键词撰写规范 下一篇：中国语言文字论文_以创新能力培养为目标