[发明专利]一种基于分层负采样的网络表示学习方法

摘要

本发明公开了一种基于分层负采样的网络表示学习方法。该方法包括：针对图网络获取一组随机游走序列，每个游走序列由一组顶点组成；对于每组随机游走序列，对顶点的领域信息进行建模，以确定目标顶点的潜在社区结构；基于所述潜在社区结构，为各顶点计算其为目标顶点的负样本的概率，以采样负样本；基于所采样的负样本优化设定的目标函数，进而确定顶点表示学习向量。本发明可以自适应地发现顶点的潜在社区结构，并根据社区的顶点相关性的概率分布，学习获得更合理的负样本，从而提升顶点表示学习向量的性能。