来源：期刊VIP网 时间：
作者：彭姿文;周建国;
单位：武汉大学电子信息学院;
摘要：针对现有的网络嵌入方法大多只考虑静态网络，应用于动态网络时无法保留时间相关性，以及现有的动态网络嵌入方法仅保留网络的局部结构信息而忽略网络全局结构的问题，考虑到属于同社区的节点在低维空间也应更接近，提出一种动态网络保留社区结构（dynamic network preservation community structure,DynPCS）嵌入方法。设计模型以协同学习网络嵌入和社区检测，将网络的局部和全局特征转化为低维稠密的实数向量，并利用长短期记忆网络学习网络的动态变化，捕获动态网络的演化模式。在4个真实数据集上进行实验，结果表明：所提方法应用于下游社区检测任务时，在归一化互信息和调整兰德系数2个指标上均优于现有的相关方法，能够保留网络社区结构，挖掘网络潜在的隐藏关系。
关键词：网络表示学习;;动态网络;;社区检测;;概率生成模型;;长短期记忆网络
