公开课 | 佐治亚理工大学宋乐教授：用Structure2Vec提取特征，解决网络数据的表征学习问题

正文

请到「今天看啥」查看全文

如何从这些复杂的网络数据中提取有价值的特征？

这些网络形成的背后是否存在什么潜在的规律？

不同类型的网络之间又是如何互相影响和传导的呢？

要回答这些问题，一个强大的网络深度学习和推理平台尤为重要。

以前的深度学习模型如CNN和RNN，可以解决图像及文本上的表征学习，但是对网络数据却无能为力。

本次演讲将会介绍一个强大的异构网络深度学习和推理平台：Structure2Vec。有了它，我们可以更加容易和高效的解决上述复杂的网络表征学习问题。

Structure2Vec提供了一种能够同时整合节点特征，边特征，异构网络结构以及网络动态演化特征的深度学习和推理的嵌入技术，它不仅可以对网络中的节点和边进行推理，还可以对节点，边，甚至子图进行向量化（embedding）。

Structure2vec产出的特征向量可以与其他机器学习方法进行再融合，比如分类方法、回归方法、生成模型及强化学习方法。

请到「今天看啥」查看全文