Jun, 2023

评估和解释图的结构节点嵌入的非监督框架

PDF
TL;DR本文提出了一种无监督排序结构化图嵌入的框架，分析了结构化嵌入的特性和被嵌入的预定义节点特征，以达到提高解释性的目的。
embeddinggraphproximityunsupervised rankingexplainability
发现论文，激发创造
  • 探究和评估结构节点嵌入

    本研究探讨基于节点等价性的结构嵌入技术，并提供了严谨的内在和外在评估方法，发现节点邻域度数分布可以成为简单却有效的基准，并希望这些发现能够影响节点嵌入方法的设计并促进更全面和公正地评估结构嵌入方法。

    Jan, 2021

  • 探究无监督图嵌入的语义内容：一项实证研究

    本文研究图嵌入是否近似于传统的顶点层面图特征，通过从嵌入空间直接预测已知的拓扑特征，使用监督和无监督方法，并通过对五种最先进的无监督图嵌入技术进行广泛的实验评估，测量一系列拓扑特征，我们证明了嵌入空间确实近似了几个拓扑特征，从而提供了关于图嵌入如何创建好表示的关键的洞见。

    Jun, 2018

  • 关于位置节点嵌入和结构化图表示之间的等价性

    该研究提出了第一个统一的理论框架，将节点嵌入和结构图表示相结合，通过不变量理论证明了结构表示和节点嵌入之间的关系，证明了能够使用节点嵌入执行的所有任务也都可以通过结构表示执行，并且介绍了新的指南来生成和使用节点嵌入，修复了现有标准操作程序的显著缺点。

    Oct, 2019

  • 经典图结构特征在社区标记上胜过基于因式分解的图嵌入方法

    本研究分析并探讨了基于单节点低维度向量嵌入模型的无监督图表示学习方法在节点对社群标记任务方面的表现，发现相对于经典的基于结构特征的模型，该类模型表现较差且在实践中结果不够稳定，因而在捕获社群结构方面存在局限性。

    Jan, 2022

  • 网络嵌入调查

    本文介绍了网络嵌入方法的发展和分类，包括结构、属性、有监督、非监督等多种方法，并讨论了其评价指标和未来发展方向以及在构建有效系统中的应用。

    Nov, 2017

  • 网络嵌入教程

    本次调查综述了网络嵌入的发展历史以及对分类、聚类、链接预测和可视化等任务的作用，将网络嵌入方法根据不同场景进行了分类，包括监督学习、无监督学习、同质网络和异质网络等。最后，探讨了网络嵌入未来的研究方向。

    Aug, 2018

  • 节点邻近性是必要的：统一的结构和位置节点以及图嵌入

    本篇论文介绍了 PhUSION，这是一种用于计算结构和位置节点嵌入的基于接近度的统一框架，通过聚合节点嵌入，得到模拟先前的图特征学习和核方法丢失信息的图层次特征，主要适用于节点和图层次的机器学习。

    Feb, 2021

  • Connector 0.5: 图表示学习统一框架

    该篇论文介绍了一种新颖的图表示学习框架 Connector，旨在提供从浅层到最先进的多种图嵌入模型，帮助研究人员简化实验并提升图数据建模能力。

    Apr, 2023

  • 网络感知嵌入的无监督学习

    通过估计数值节点属性之间的网络距离，我们可以创建网络感知嵌入，而不是对网络的节点进行聚类。在本文中，我们修复了无监督学习文献中的这个盲点，并展示了我们的方法在各种领域的应用中始终是有益的，并且可以提供可操作的见解。

    Sep, 2023

  • 使用偏差图观测的无偏图嵌入

    本文提出了一种从不受敏感结点影响的无偏图学习结点嵌入的新方法，实现无偏图嵌入的两种方法通过理论和实验的对比表明其有效性。

    Oct, 2021