Sep, 2019

HeteSpaceyWalk: 一种异构空间随机游走方法用于异构信息网络嵌入

PDF
TL;DR本文提出了一种异构个性化空间随机游走算法，将元路径引导的随机游走过程形式化为高阶马尔可夫链进而解决马尔可夫链的稳定性问题，实现了多类型节点的嵌入学习，并在多种异构网络上进行了实验验证。
发现论文，激发创造
  • 将异构网络嵌入双曲空间中，无需元路径

    该论文提出了一种新颖的自我引导随机游走方法，将异构网络嵌入到双曲空间中进行嵌入，无需使用领域特定的先验知识进行元路径选择，实验证明该方法在网络重建和连接预测方面表现优异。

    Jun, 2021

  • 空间随机游走：一种高阶数据的随机过程

    本文介绍了一种非马尔可夫随机过程，其稳态分布由张量特征向量给出。该随机过程的离散动态与连续动态系统相关，并用于人口遗传学、排名和聚类数据的几个应用以及纽约出租车轨迹数据的分析中。

    Feb, 2016

  • 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

  • 超图上的随机游走

    本篇研究提出了一种基于高阶网络结构的新型随机游走模型，探究高阶网络中的扩散过程及其对信息扩散的影响，旨在揭示复杂网络系统中偏向性信息传播机制并成功应用于多特征对象分类任务中。

    Nov, 2019

  • 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

  • 随机游走图嵌入的更广泛视角

    该论文提出了一个基于随机游走的图嵌入分析框架，包括三个组件：随机游走过程、相似性函数和嵌入算法，该框架不仅可以分类许多现有方法，而且自然地激发新方法，通过它，我们演示了改进下游任务性能的多个尺度嵌入的新方法。此外，我们还发现，基于自协方差相似性的嵌入，在与点积排名进行链路预测时，比基于点互信息相似性的最先进方法表现提高了多达 100％。

    Oct, 2021

  • 异质性匿名行走在异构结构的表示学习

    本文研究网络不同结构的表示学习方法，设计了异构匿名游走技术和异构匿名游走嵌入方法，实验结果表明这些方法可以显著提高学习效果，并应用于大规模网络中。

    Jan, 2022

  • 基于归纳元路径学习的模式复杂异构信息网络

    SchemaText proposes a method to address the computational complexity associated with meta-path enumeration in schema-complex HINs, using a reinforcement-learning based path-finding agent.

    Jul, 2023

  • MetaGraph2Vec： 复杂语义路径增强异构网络嵌入

    本文提出一种新的多元化方法 ——Metagraph，用于网络嵌入学习中捕捉不同节点之间更丰富的结构和语义上下文信息，从而在处理非常稀疏的异构信息网络时提高了 MetaPath 嵌入技术的能力，并实验证明 MetaGraph2Vec 算法能够优于各项异质网络挖掘任务中的现有技术。

    Mar, 2018

  • 基于任务引导与路径增强的异构网络嵌入在作者识别中的应用

    本文提出了一种基于任务指导和路径增强的异构网络嵌入模型来解决双盲审查下作者识别的问题，并通过实验证明了该模型相较于现有方法能够更准确地识别真实作者。

    Dec, 2016