KDDJun, 2020

无监督可微分多方面网络嵌入

PDF
TL;DR本文提出了一种多方面的网络嵌入框架，名为 asp2vec，该框架通过动态分配每个节点的不同方面，从而提高了嵌入质量，并能够轻松地扩展到异构网络。
network embeddingmulti-aspectend-to-endgumbel-softmaxheterogeneous networks
发现论文，激发创造
  • 异构信息网络中的方面嵌入学习

    该研究提出了一种基于多个方面来保留异质信息网络中语义信息的新型嵌入学习框架 - AspEm，它的有效性经过了两个真实世界数据集的实验证明，其中这些方面可以以无监督的方式从给定的异质信息网络中进行选择。

    Mar, 2018

  • 学习动态环境下的带属性网络嵌入

    本研究提出了一种新的动态属性网络嵌入框架 ——DANE，该框架采用了一种离线方法来达成共识嵌入，然后利用矩阵扰动理论来在在线方式下保持末状态的新鲜度。

    Jun, 2017

  • 基于增强低秩矩阵逼近的多层网络嵌入

    本文提出一种多层网络嵌入框架 BoostNE，能够从粗到细学习不同粒度的多个网络嵌入表示，超越现有的网络嵌入方法。

    Aug, 2018

  • 属性化多层异构网络的表示学习

    本研究提出一个统一框架用于学习复杂网络的多种嵌入表示，包括不同属性节点和多样的边类型，支持基于图的归纳和转导学习，通过对四个数据集的系统评估，证明了该框架的有效性和效率以及在阿里巴巴公司推荐系统上的应用。

    May, 2019

  • 多尺度属性节点嵌入

    本文介绍了一种基于 Skip-gram 相似方法的网络嵌入算法，该算法能够从节点周围的本地分布中捕捉节点的信息。我们证明了其嵌入矩阵隐式地对节点 - 特征的点间互信息进行了因子分解。实验结果表明，我们的算法在社交网络和 Web 图上具有鲁棒性，计算效率高，且性能优于可比较的模型。

    Sep, 2019

  • 使用可扩展的流式张量分解对多方面图进行建模和挖掘

    基于张量的方法可以对从社交网络到健康数据和电影观看模式等各种领域中涌现出的大规模、多层面、动态的图数据进行挖掘，包括发现静态和动态图数据中的凝聚社区和模式。

    Oct, 2022

  • 脑网络聚类分析的多视角多图嵌入

    使用张量技术将多视图和多图脑网络的依赖关系和相关性同时结合，可以通过利用多视图和多图交互来对脑网络进行聚类，提高疾病机理的理解和治疗方法的指导。

    Jun, 2018

  • 用于基于方面相似性的研究论文的专业文档嵌入

    本文讨论了利用基于 aspect 的文本相似性测度进行科学论文推荐的问题，提出了将单一常规嵌入表示文档改为多个具有专业性的嵌入，并在 aspect 特异的嵌入空间中对其进行相似性度量的方案，有效地解决了现有方案中文档连贯性差的问题，并通过与现有方案的比较表明其优越性。

    Mar, 2022

  • 单个向量足够吗？探索网络嵌入中的节点多义性

    本文提出了针对节点的多方面嵌入多义词法以模拟其多重属性，包括映射每个节点的每个属性嵌入向量和保持节点和属性之间关联度。

    May, 2019

  • 使用动态异构图神经网络共同建模方面与情感

    本文提出了一种新的动态异构图结构来联合建模方面提取和情感检测，实验结果表明，我们的模型优于现有最先进的模型，特别在多观点方面和无观点方面的情况下，性能显著提高。

    Apr, 2020