技术特征：
技术总结
本发明公开了一种联合学习稀疏属性网络表征方法及系统，该方法包括：在目标网络中确定训练样本；将目标网络中的节点和其属性进行投影，生成所述目标网络中各个节点的表征向量；利用所述训练样本中每个节点的相邻节点进行节点出现概率预测，并基于节点之间的属相相似度为每个节点的相邻节点分配不同的权重值；基于各个节点的表征向量和各个节点分配获得的权重值，生成目标函数；对所述目标函数进行优化，并融合网络结构的相似性和节点属性信息，使得学习到的节点向量表征同时维持网络结构和节点属性的相似关系。本发明能够有效地捕捉节点和自身稀疏属性之间的交互关系，缓解节点属性稀疏的问题。
技术研发人员：陈恩红;王皓;刘淇;徐童
受保护的技术使用者：中国科学技术大学
技术研发日：2018.11.30
技术公布日：2019.04.16