WSDMDec, 2017

SHINE: 有符号异构信息网络嵌入用于情感链接预测

PDF
TL;DR本文研究在线社交网络中的情感链接识别问题，提出了一种基于异构网络嵌入的新型框架 SHINE，能够从与用户有关的文本、社交关系以及用户个人信息多方面进行分析，从而预测隐藏在社交网络中的情感关系。实验结果表明，所提出的方法在网络关系预测及节点推荐方面优于当前的先进算法，并且也能够很好地应用于「零样本」情况。
sentiment linkssocial networksheterogeneous informationnetwork embeddinglink prediction
发现论文，激发创造
  • 基于源感知的异构信息网络嵌入训练

    提出 SUMSHINE（Scalable Unsupervised Multi-Source Heterogeneous Information Network Embedding），这是一个可扩展的无监督框架，用于对齐多个异构信息网络源之间的嵌入分布，并在各种下游任务中验证其在真实世界数据集上的性能优于最先进的异构信息网络嵌入算法。

    Jul, 2023

  • 有符号网络的分布式表示

    SIGNet 是一种针对有符号网络的嵌入方法，利用社会平衡理论建立目标函数，加上新的有针对性的节点抽取策略来维护高阶邻域的结构平衡，较其他方法更优，可以生成更丰富的有符号网络特征词汇以支持表达和推理。

    Feb, 2017

  • 利用社交网络结构进行人际情感分析

    我们提出了一种模型，通过整合包括签名社交网络和情感分析在内的多种信息，来预测个体 A 对个体 B 的观点。我们证明了这是一个 NP-hard 问题，但可以通过一个高效可行的 hinge-loss Markov 随机场来实现，我们还展示了这个实现在两个不同的数据集上胜过仅使用文本或网络。

    Sep, 2014

  • 面向短文本分类的分层异构图表示学习

    本文提出了一种基于图神经网络（GNN）的新方法 SHINE，构建了以单词为级别的组件图层次异构图，通过学习短文本图动态的进行标签传播，在各种基准短文本数据集上验证了其有效性和优越性。

    Oct, 2021

  • SHINE: 子超图归纳神经网络

    本研究提出了一种基于超图的感知神经网络模型以实现基于亚图的预测，并将其应用于癌症分析以获得分子层面的生物学功能洞察。

    Oct, 2022

  • 面向推荐的异构信息网络嵌入

    本文提出一种基于异构网络嵌入的方法 HERec 来解决 HIN-based 推荐系统中的冷启动问题，该方法通过设计基于元路径的随机游走策略来嵌入 HINs，并通过一组融合函数将学习到的节点嵌入首先转换为扩展矩阵分解模型。HERec 模型通过实验表明其有效性，并表明从 HINs 转换的嵌入信息可以改善推荐性能。

    Nov, 2017

  • SHINE: 用于零 - shot 跨语言信息提取的句法增强分层交互式编码器

    本研究提出了一种语法增强的分级交互编码器（SHINE），以转移跨语言 IE 知识，SHINE 能够交互式地捕获特征和文本信息之间的补充信息，以获得不受语言限制的 IE 表示形式，验证了该方法在七种语言上的三个 IE 任务和四个基准上的有效性和泛化能力。

    May, 2023

  • POLE：面向带符号网络的极化嵌入

    通过设计无偏分割极化度量并提出了极化嵌入方法 POLE，结合拓扑和符号相似性，在社交媒体中对负面链接进行签名网络机器学习预测。

    Oct, 2021

  • 具有反思机制的层次交互网络用于文档级情感分析

    本文研究如何利用主题模式和情感上下文有效生成具有区分性的表示，提出了一种分层交互网络（Hierarchical Interaction Networks，HIN）和一种基于情感重新思考机制（Sentiment-based Rethinking mechanism，SR）的方法，优于其他最先进的方法。

    Jul, 2020

  • 通过异质信息网络的综合转录，简化嵌入式学习

    通过 HEER 算法对边表现和异构度量的妥善学习，解决了综合转录异构信息网络的挑战，并在真实数据集上展示了模型的有效性和边表现和异构度量的实用性。

    Jul, 2018