Jun, 2023

将亿万个参数更新加速至毫秒级的动态网络嵌入

PDF
TL;DR提出了一种新的动态网络嵌入范式，即通过旋转和缩放嵌入空间的轴而不是逐个节点更新来实现动态网络嵌入，其中运用了动态个性化 PageRank 方法来增强节点嵌入和动态捕获更高阶邻居信息，并通过对不同规模动态图上节点分类、链路预测和图重构的实验表明，该方法在动态网络嵌入方面具有显著的优势。
network embeddingdynamic graphsdamf algorithmpersonalized pagerankgraph reconstruction
发现论文，激发创造
  • 稳定动态网络嵌入的简单而强大框架

    本文研究动态网络嵌入的问题，通过应用已建立的静态网络嵌入方法到扩展的展开邻接矩阵，实现对动态网络中节点的解释性和强大的嵌入表示，提供理论保证和假设测试框架以评估动态网络嵌入质量，并证明我们提出的稳定展开方法不仅更易解释，而且比不稳定方法更有表现力。

    Nov, 2023

  • 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

  • DynGEM: 动态图深度嵌入方法

    本文提出了 DynGEM 算法，基于最近深度自编码器对图嵌入的研究，旨在解决动态图嵌入问题，实现了稳定嵌入、适用于不断增长的动态图以及比静态嵌入方法更高效。在多项任务和实验中，DynGEM 表现出优异的稳定性和可扩展性。

    May, 2018

  • NetSMF: 大规模网络嵌入作为稀疏矩阵分解

    本文提出了一种新的针对大规模网络嵌入学习的算法 ——NetSMF，可以有效地稀疏该密集矩阵，维持了嵌入学习的表征能力，相比已有方法，NetSMF 在效率和有效性上都具有优势。

    Jun, 2019

  • dynnode2vec：可扩展的动态网络嵌入

    本文介绍了一种动态网络嵌入方法 dynnode2vec，解决了静态网络嵌入方法在动态网络上运用的问题，并在多个大型动态网络数据集上进行了实证评估。

    Dec, 2018

  • 网络嵌入的联想学习

    本文介绍了一种利用 Hopfield Networks 进行联想学习的网络嵌入方法，通过节点内容和其邻居之间的关联来构建记忆，使用神经网络的循环动力学来恢复掩盖的节点以进行节点分类和链接预测，并与传统矩阵分解和深度学习方法进行了比较。

    Aug, 2022

  • 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

  • 网络嵌入作为矩阵分解：DeepWalk、LINE、PTE 和 node2vec 的统一

    本研究提出了 NetMF 方法，通过矩阵分解的方式实现 skip-gram 网络嵌入方法的统一框架，并将各种经典的 skip-gram 方法（DeepWalk、LINE、PTE 和 node2vec）统一到该框架下。此方法是目前常规网络挖掘任务中优于 DeepWalk 和 LINE 的最新算法。

    Oct, 2017

  • 基于学习的邻近矩阵分解用于节点嵌入

    该论文提出了一种可训练相似度度量的节点嵌入方法 ——Lemane，该方法在大规模图上有着较高的可扩展性和更好的表现。

    Jun, 2021

  • 具备微观和宏观动态的时间网络嵌入

    本研究提出了一种新的时变网络嵌入方法 M2DNE，它能够精细地捕获网络结构和性质中的微观和宏观动态，大量实验证明 M2DNE 在传统任务和时间倾向相关任务中的表现均显著优于现有技术。

    Sep, 2019