Oct, 2022

基于节点属性和空间交互的图嵌入方法用于空间网络社区发现

PDF
TL;DR该研究提出了一个名为 “region2vec” 的无监督的基于 GCN 的社区检测方法，通过生成区域节点嵌入并应用聚类算法检测出具有相似嵌入和空间邻接的社区，以平衡属性相似性与空间相互作用在社区内的表现。实验结果表明该方法在属性和空间上均能得到良好的性能表现。
community detectionspatial networkgraph convolutional networksunsupervised learningnode embeddings
发现论文，激发创造
  • 使用 Node2Vec 学习得到的嵌入进行社区检测和分类保证

    通过对大型网络的节点进行嵌入，得到欧几里德空间中的表示是现代机器学习中的一个常见目标，该研究工作就对 node2vec 学习到的嵌入进行了理论性的分析，证明了其在聚类任务中表现出较弱的一致性，并对其在网络数据中的应用进行了讨论。

    Oct, 2023

  • 基于多图表示学习框架的城市区域剖析

    提出了一种名为 Region2Vec 的多图表示学习框架，用于城市区域分析，可以捕捉地理上下文信号和区域间的联系，同时用于表示区域内部信息的知识图谱。使用编码器 - 解码器多图融合模块来联合学习综合表示。在现实世界数据集上的实验证明，Region2Vec 可以在三个应用程序中使用，并优于所有其他基线。特别地，Region2Vec 在具有高方差社会经济属性的区域中的表现优于先前的研究。

    Feb, 2022

  • 基于子空间发现的归属网络嵌入

    该论文提出了一种名为 attri2vec 的统一框架实现属性网络嵌入，它使用网络结构引导转换来发现潜在的节点属性子空间，以更一致地符合网络结构以学习高质量的节点表示，并且具有解决 out-of-sample 问题的能力，实验证明其在节点分类、聚类和预测任务中均优于现有方法。

    Jan, 2019

  • 关于群聚网络价值数据

    本文论述如何应对集合多种网络数据的任务，并提出一种新的在非对称网络中对每个网络节点分配计算特征向量的网络聚类方法。

    Jun, 2016

  • 简单形式复合体社区检测的 Simplex2Vec 嵌入

    本文介绍了如何使用符号嵌入来计算和可视化单纯复合体的社区结构，研究了综合性数据和来自大脑的拓扑表示的社区结构，并展示了如何利用高阶交互作用来改善聚类检测并评估高阶交互作用对个体节点的影响。

    Jun, 2019

  • GraphViz2Vec：提升 GNNs 分类效果的结构感知特征生成模型

    本文提出了一种新的特征提取方法 GraphViz2Vec，可以捕捉节点的局部邻域的结构信息来创建有意义的 GNN 模型的初始嵌入，这些初始嵌入有助于现有模型在各种分类任务中实现最先进的结果。

    Jan, 2024

  • node2vec：网络可扩展特征学习

    node2vec 是一种学习网络节点特征表示的算法框架，通过学习节点到一个低维度特征空间的映射来最大化保留节点的网络邻域的机会，实现了对网络中连接性模式多样性的表达。结果表明，在多个领域的真实世界网络上，node2vec 在多标签分类和链接预测方面都优于现有技术。

    Jul, 2016

  • highway2vec -- 基于道路网络特征表示 OpenStreetMap 微区域

    本文提出了一种基于 OpenStreetMap 道路网络的微区域嵌入生成方法，并使用 H3 空间索引进行可重现和可扩展的表示学习，获得了检测地图六边形在其中包含的道路网络相似度的向量表示，并且通过堆叠聚类方法、得出了嵌入的高级分类方法，这将有助于解决基于基础设施的预测任务，特别是在空间变量方面。

    Apr, 2023

  • Urban2Vec：结合街景图像和兴趣点的多模态城市社区嵌入

    本文提出了一种无监督的 Urban2Vec 多模态框架，利用街景图像和兴趣点数据来学习社区嵌入，使得该模型在下游预测任务中取得了比基线模型更好的性能，并在三个美国大都市地区的广泛实验中展现了模型的可解释性、泛化能力和在社区相似性分析中的价值。

    Jan, 2020

  • CommunityGAN：使用生成对抗网络进行社区检测

    本文提出了 CommunityGAN，一个新的社区检测框架，旨在共同解决重叠社区检测和图形表示学习问题，通过采用生成对抗网络（GAN）来优化这种嵌入，实现对顶点到社区的归属强度的量化和最终的社区结构输出。实验证明，CommunityGAN 取得了显著的社区检测性能提升。

    Jan, 2019