多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法NRAM(Network Refinement based on Aggregating Multi-neighboring information).首先,对于粗化阶段生成的多粒度网络,仅利用现有的网络表示学习方法学习最粗粒度网络的表示;然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入;最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示,迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了NRAM的有效性.
目的:对2000年至2020年Web of Science收录的成人体外膜氧合(ECMO)相关研究文献进行可视化分析,以解析和追踪成人ECMO技术领域相关热点和前沿。方法:检索2000至2020年在Web of Science核心合集数据库收录的成人ECMO相关研究文献,运用Cit...
详细信息
目的:对2000年至2020年Web of Science收录的成人体外膜氧合(ECMO)相关研究文献进行可视化分析,以解析和追踪成人ECMO技术领域相关热点和前沿。方法:检索2000至2020年在Web of Science核心合集数据库收录的成人ECMO相关研究文献,运用CiteSpace可视化工具,从高影响力国家/地区、机构、作者、高频关键词及突变术语等方面解析成人ECMO技术研究的热点与前沿。结果:最终纳入2058篇以成人ECMO为主题的文献,相关文献年发表量呈现增长趋势,美国发文量位居首位。该领域研究多热点集中在COVID-19、抗凝作用、临床试验。同时,院内心脏骤停、指南、急性呼吸衰竭是成人ECMO研究的前沿领域,代表未来研究发展趋势。结论:临床试验、体外心肺复苏、急性呼吸衰竭、冠状病毒感染方面的研究是成人ECMO技术研究的前沿和热点。
暂无评论