IJCAIMay, 2019

ActiveHNE: 活跃的异构网络嵌入

PDF
TL;DR本论文提出了一种基于主动学习的异构网络嵌入框架 ActiveHNE，该框架使用图卷积神经网络实现半监督的异构网络嵌入，并开发了基于不确定性和代表性的三种主动选择策略，使用多臂赌博机机制组装这些策略，以改进异构网络嵌入的性能，实验证明其具有很好的性能。
heterogeneous network embeddingactivehnegraph convolutional neural networksemi-supervisedmulti-armed bandit mechanism
发现论文，激发创造
  • DeHIN：一个去中心化框架，用于嵌入大规模异构信息网络

    本文介绍了一种基于超图的分布式节点嵌入学习框架 DeHIN，通过分布式的超图划分和开发基于超图的并行化节点嵌入算法，实现了对异构信息网络的高效节点嵌入学习和分布式处理。

    Jan, 2022

  • 超网络的结构深度嵌入

    本文提出了一种新的深度超网络嵌入模型，采用非线性元组相似函数保持超网络中的本地和全局相似性，并且在 GPS 网络、在线社交网络、药物网络和语义网络上的实验结果表明，该方法能够显著且持续地优于现有算法。

    Nov, 2017

  • 异构网络表示学习：一种具有调研和基准的统一框架

    本研究旨在提供一个统一框架以深入概述和评估异构网络嵌入 (HNE) 的现有研究，并通过提供分类和分析不同现有 HNE 算法的优点和缺点、创建四个基准数据集以便于对 HNE 算法进行公正的评价、以及修改并创建 13 个受欢迎的 HNE 算法的友好界面，并在多个任务和实验设置中进行全方位比较来推动深度学习在异质网络关键任务中的应用。

    Apr, 2020

  • 无监督网络嵌入超越同质性

    SELENE 框架通过异质性适应的自我监督学习目标函数优化网络的学习，设计了双通道特征嵌入管道以分辨 r-ego 网络，提高了节点嵌入的质量，从而在同质和异质环境中分辨连接的异质节点，集群准确度提高了 12.52%。

    Mar, 2022

  • 在双曲空间中嵌入时态异构信息网络的 H2TNE 算法

    提出了一种基于双重随机游走策略和超伽马空间距离的超伽马异构时间网络嵌入模型，能够保留结构和语义信息，对于时间上的链接预测和节点分类取得了优秀的表现。

    Apr, 2023

  • 简单高效的异构图神经网络

    本论文通过对异构图神经网络（HGNN）中注意力机制、多层结构进行深入研究，提出了 Simple and Efficient Heterogeneous Graph Neural Network（SeHGNN），该方法采用轻量级平均聚合器预先计算邻居聚合以捕获结构信息，采用长元路径和 Transformer 语义融合模块来更好地利用语义信息，结果表明 SeHGNN 具有简单的网络结构、高预测准确性和快速的训练速度。

    Jul, 2022

  • 采用时间 RNN 和分层注意力建模动态异构网络进行链接预测

    本研究提出了一种新颖动态异构网络嵌入方法，称为 DyHATR，在使用分层注意机制来学习异构信息的基础上，结合了循环神经网络和时间注意力机制来捕捉网络的演化趋势，并在实际应用中得到了较好的表现。

    Apr, 2020

  • 跨网络节点分类的对抗深度网络嵌入

    本文介绍一种基于对抗性领域适应的深度网络嵌入模型，旨在实现跨网络节点分类。该模型利用两个特征提取器来保留节点之间的属性相似性和拓扑关系，并采用节点分类器和对抗性领域适应技术来使节点表示网络不变和有较好的标签判别能力。实验结果表明，该模型在跨网络节点分类问题上达到了最先进的表现。

    Feb, 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

  • 图嵌入的主动学习

    本论文提出了一个称为主动图嵌入（AGE）的框架，用于选择最具信息量的节点作为训练有标签节点，以提高半监督图嵌入算法的性能，并结合具有时间敏感性的参数。实验结果表明我们所提出的查询策略的每个组成部分的有效性以及使用时间敏感性参数进行组合的强大性。

    May, 2017