WWWMar, 2018

基于相似性测度的通用图嵌入

PDF
TL;DR本文提出了一种可将网络信息嵌入到低维向量空间中进行链接预测、分类和可视化等任务的方法，该方法意在通过对选定的点对点相似度测量分布进行显式标定的图嵌入，其可通过训练单层神经网络得到，试验表明本方法在相似度测量方面表现出色，时间和空间效率更高。
web-scale information networklow-dimensional vector spacegraph embeddingssimilarity measuresdata mining
发现论文，激发创造
  • 从 WordNet 基于相似度度量学习图嵌入

    本研究提出 path2vec，一种学习图嵌入的新方法，它依赖于节点相似性的结构度量，该模型使用一个密集的空间来学习节点的表示，以逼近用户定义的图距离度量，并在语义相似性和词义消歧任务方面表现出色。

    Aug, 2018

  • 基于图度量嵌入的快速图算法

    本文介绍一种学习图嵌入的简单、有效方法，通过密集向量表示来近似节点之间的距离，以反映用户定义的图距离度量，避免了直接在图结构上进行操作引起的低效性，证明该方法在语义相似性和词义消歧任务上的表现比其他图嵌入方法更优秀，同时在 WordNet 和两个知识库图上进行了评估。

    Jun, 2019

  • 在相似性图上学习基于语境的单词含义表示

    本文提出了一种新的方法来学习基于视觉的单词含义表示，即在底层模态特定的词语表示上建立相互通信的图形，通过模拟人类相似性判断和概念分类来验证其能力，名为分层多模态相似性图嵌入（HM-SGE）。

    Sep, 2021

  • 多尺度卷积集匹配学习的高效图相似度计算

    本文介绍了 GraphSim 模型，该模型从直接匹配两组节点嵌入的角度解决了图相似性计算问题，获得了在四个真实世界图数据集上的最先进性能。

    Sep, 2018

  • 基于细粒度词对齐的改进语义感知网络嵌入

    该研究利用语义特征来匹配所有节点对的文本序列，提出了一种单词对齐框架，并通过简单有效的聚合函数积累对齐特征。实验发现，该模型在链接预测和多标签节点分类等下游任务中具有很大的优越性。

    Aug, 2018

  • 利用语义桥梁学习罕见词汇的表示

    本文提出一种方法学习语言的词汇，并使用图嵌入技术和跨语言向量空间映射方法结合本体源和语料库来提高现有词向量的覆盖范围以及加强其词汇知识。所提出的方法在 Rare Word Similarity dataset 上表现出 10% 的性能提升。

    Jul, 2017

  • word2vec, node2vec, graph2vec, X2vec: 结构化数据的向量嵌入理论

    该研究探讨了图形和关系结构的矢量表示，以及生成这些表示的方法。作者提出了两种理论方法来理解矢量嵌入的基础，并建议未来的研究方向。

    Mar, 2020

  • VeTraSS: 通过图建模和表示学习进行车辆轨迹相似性搜索

    VeTraSS 是一个用于车辆轨迹相似性搜索的端到端流水线，通过将原始轨迹数据建模成多尺度图，并使用一种新颖的多层注意力机制的 GNN 生成全面的嵌入，从而可用于搜索相似的车辆轨迹，表现出优于现有工作并达到最新技术水平的效果，展示了 VeTraSS 在现实世界中用于轨迹分析和自动驾驶车辆安全导航的潜力。

    Apr, 2024

  • 大规模异构信息网络中基于元路径导向嵌入的相似度搜索

    本文提出了一个基于嵌入的框架 (ESim)，以探索嵌入在网络结构中的相似度，并接受用户定义的元路径作为指导来学习嵌入向量。在大规模异构信息网络上进行的实验证明了 ESim 的有效性和可扩展性。

    Oct, 2016

  • 大规模信息网络嵌入

    本文提出了一种新的网络嵌入方法 LINE，用于将大规模的信息网络嵌入到低维向量空间中，实现了节点分类，链路预测等任务。该方法优化了一个经过精心设计的目标函数，可以保留本地和全局网络结构，并提出了边缘采样算法，改进了经典随机梯度下降的限制和推理效率。经验证明了 LINE 在包括语言网络、社交网络和引用网络在内的各种真实世界的信息网络上的有效性。对于单个典型机器，该算法非常高效，可以在数小时内学习具有数百万个顶点和数十亿个边的网络嵌入。

    Mar, 2015