文件名称：非负矩阵分解matlab代码-TADW:“具有富文本信息的网络表示学习”（IJCAI'15）的实现
文件大小：1.39MB
文件格式：ZIP
更新时间：2024-07-02 11:43:34
系统开源
非负矩阵划分matlab代码TADW ⠀⠀⠀ **具有富文本信息的网络表示学习**的实现。 Text Attribtued Deep Walk (TADW) 是一种节点嵌入算法，它学习节点的嵌入并将节点表示与节点属性融合。 该过程将节点放置在一个抽象特征空间中，其中保留了有关固定顺序接近性的信息，并且邻近区域内的邻居的属性也是表示的一部分。 TADW 使用正则化非负矩阵分解来学习联合特征邻近表示。 在我们的实现中，我们假设近似中使用的邻近矩阵是稀疏的，因此解决方案运行时间可以与低邻近的节点数量成线性关系。 对于较大的邻近阶值（大于图直径），运行时间是二次的。 该模型可以假设节点特征矩阵是稀疏的或密集的，这会显着改变运行时间。 该模型现在也可在包中使用。 该存储库为TADW提供了一个实现，如论文中所述： 具有富文本信息的网络表示学习。 杨成、刘志远、赵德利、孙茂松和张爱德华 Y IJCAI，2015。 原始 MatLab 实现可用，而另一个 Python 实现可用。 要求 代码库是在 Python 2.7 中实现的。 用于开发的软件包版本如下。 networkx 2.4 tqdm 4.2
【文件预览】：
TADW-master
----output()
--------chameleon_tadw.csv(836KB)
--------giraffe_tadw.csv(1.23MB)
----fscnmf.png(102KB)
----src()
--------main.py(775B)
--------helpers.py(5KB)
--------tadw.py(5KB)
----LICENSE(34KB)
----.github()
--------FUNDING.yml(30B)
----README.md(6KB)
----input()
--------giraffe_features.csv(639KB)
--------chameleon_target.json(18KB)
--------giraffe_edges.csv(119KB)
--------chameleon_edges.csv(63KB)
--------giraffe_target.json(48KB)
--------chameleon_features.json(24KB)