一种参数化的论文网络节点表示学习方法

【摘要】本发明公开了一种参数化的论文网络节点表示学习方法，该方法首先构建一个空的论文节点队列，然后采用随机游走方式采样任意一个论文节点的邻居节点、及邻居的邻居节点；并将选取的论文节点作为论文节点队列的第一个元素，随后依据跳转概率得到论文节点队列的其他元素；遍历完成所有的论文节点，则有论文节点队列集合；然后采用正负采样方法生成多层感知机的神经网络训练数据；最后采用神经网络论文概率模型进行处理，得到论文节点语义信息到论文节点向量表示的非线性变换，进而得到论文节点的向量表示。