【论文阅读｜深读】RDAA：Role Discovery-Guided Network Embedding Based on Autoencoder and Attention Mechanism

目录

• ​​前言​​
• ​​简介​​
• ​​Abstract​​
• ​​I. INTRODUCTION​​
• ​​II. RELATED WORK​​

• ​​A. Role Discovery​​
• ​​B. NE for Structural Similarity​​
• ​​C. Autoencoder for Complex Networks​​

• ​​III. METHODOLOGY​​

• ​​A. Notations and Definitions​​
• ​​B. Overall Framework​​
• ​​C. Role Feature Extraction​​
• ​​D. Encoder–Decoder​​
• ​​E. Role Attention Mechanism​​
• ​​F. Joint Training​​
• ​​G. Computational Complexity Analysis​​

• ​​IV. PERFORMANCE EVALUATION​​

• ​​A. Datasets and Metrics​​
• ​​B. Experimental Settings​​
• ​​C. Visualization​​
• ​​D. Experiments on Role Classification​​
• ​​E. Parameters Sensitivity​​
• ​​F. Efficient versus Effective​​
• ​​G. Case Study: Role Discovery​​

• ​​V. CONCLUSION​​
• ​​读后总结​​

• ​​2022/07/11 第一次阅读​​

• ​​结语​​

前言

Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
 
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研。
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
 
唯有努力

标签：RDAA,嵌入,Based,角色,Attention,网络,相似性,节点
From： https://blog.51cto.com/u_15939722/6004792