本文是对《面向社会计算的网络表示学习》一文的总结，如有侵权即刻删除。

朋友们，我们在github创建了一个图学习笔记库，总结了相关文章的论文、代码和我个人的中文笔记，能够帮助大家更加便捷地找到对应论文，欢迎star~

Chinese-Reading-Notes-of-Graph-Learning

更多相关文章，请移步：文献阅读总结：网络表示学习/图学习

文章目录

• Title
• 总结
• • 1 基于词项的显式表示
  • 2 基于主题标签的显式表示
  • 3 基于最大间隔的隐式表示
  • 4 上下文相关的隐式表示
  • 5 面向社会关系抽取的隐式表示
  • 6 社区优化的隐式表示

Title

《面向社会计算的网络表示学习》

——清华博士论文2018

Author: 涂存超

总结

作者主页：http://nlp.csai.tsinghua.edu.cn/~tcc/

本文是一篇博士学位论文，提出了多个网络表示学习方法和研究现状的总结。文章结构如下：

1 基于词项的显式表示

对应笔记为 文献阅读（32）ACM TIST2017-PRIS：Profession Identification in Social Media

2 基于主题标签的显式表示

对应论文为 JSCT2015-Tag Correspondence Model for User Tag Suggestion

文章认为用户的上下文信息非常复杂且存在大量噪音，且用户的上下文信息包含多个不同的异构信息源，每个信息源都有各自的特点。因而提出了TCM方法，构建概率生成模型，对未标注用户进行标签推荐。模型能够探究标签与用户的不同的类型信息之间的关联关系，通过迭代优化训练三个相关联的分布，能够为任意用户推荐标签。

3 基于最大间隔的隐式表示

对应笔记为 文献阅读（33）IJCAI2016-Max-Margin DeepWalk：Discriminative Learning of Network Representation

4 上下文相关的隐式表示

对应笔记为 文献阅读（四）ACL2017-CANE：Context-Aware Network Embedding for Relation Modeling

5 面向社会关系抽取的隐式表示

对应笔记为 文献阅读（34）IJCAI2017-TransNet：Translation-Based NRL for Social Relation Extraction

6 社区优化的隐式表示

对应笔记为 文献阅读（35）TKDE2018-A Unified Framework for Community Detection and Network Representation Learning

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！