技术特征：
技术总结
本发明提供一种融合多类型信息的网络表示方法，包括：步骤1，读取网络结构信息及节点属性信息；步骤2，将所述节点属性信息转换为向量；步骤3，利用降维技术对所述向量进行降维，生成属性特征向量；步骤4，根据所述网络结构信息，生成对应的矩阵G(V,E)，其中V表示节点集合，E表示边集合；步骤5，初始化所述节点属性特征向量；步骤6，利用随机游走和滑动窗口方法构建训练样本；步骤7，调整节点向量值，以获得最大化条件概率；步骤8，输出调整后的节点向量作为网络表示。本发明能够高效地融合网络中的多种类型信息，学习到的网络表示可以用于复杂网络的理解挖掘。
技术研发人员：温雯;黄家明;蔡瑞初;郝志峰;王丽娟;陈炳丰
受保护的技术使用者：广东工业大学
技术研发日：2017.05.15
技术公布日：2017.10.24