Aug, 2023

使用随机游走的稀疏近似进行网络嵌入

PDF
TL;DR提出一种基于交通时间的网络嵌入的高效数值实现，使用扩散小波算法得到的网络上的扩散过程的稀疏逼近。通过随机梯度下降法，并对绿函数的低维表示进行采样，计算节点嵌入，并通过多个示例展示了该方法在数据聚类和多标签分类方面的有效性，并比较了其在效率和准确性方面相对于现有方法的性能。还讨论了理论问题来证明该方案的合理性。
network embeddingcommute timesdiffusion processcross entropy lossstochastic gradient descent
发现论文，激发创造
  • 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

  • 通过扩散小波学习结构节点嵌入

    本文介绍了 GraphWave 方法，通过利用热波中的扩散模式，表示每个节点的网络邻域，并以无监督的方式学习这些嵌入。本文证明，具有类似网络邻域的节点将具有类似的 GraphWave 嵌入，即使这些节点可能位于网络的非常不同的部分，该方法在捕捉网络中的结构角色方面有着很高的潜力，并且在实验中表现出优秀的性能，超过了现有的所有基线方法，最高达到 137%。

    Oct, 2017

  • RWR-GAE：图自编码器的随机游走正则化

    本文介绍了一种基于随机游走的方法来规范编码器学习到的表示，可以使图自编码器在节点聚类和链接预测任务中具有更好的性能表现。

    Aug, 2019

  • 基于扩散图的快速序列嵌入

    本文提出了一种名为 `Diffusion Graphs` 的图嵌入方法，其通过简单的顶点序列生成可以获得更高的计算效率和更加准确的嵌入结果。实验证明，该方法在图中边密度越大时性能越好，同时在社区检测任务中，利用嵌入空间中的聚类节点可以获得比其他序列嵌入方法更好的结果。

    Jan, 2020

  • 利用深度学习技术进行最短路径距离近似计算

    本文提出使用深度学习中的向量嵌入来近似计算大型网络的最短路径距离，结果表明，使用向量嵌入的前馈神经网络可以比较低的失真误差实现距离计算。该方法在 Facebook、BlogCatalog、Youtube 和 Flickr 等社交网络上进行了评估。

    Feb, 2020

  • 基于图度量嵌入的快速图算法

    本文介绍一种学习图嵌入的简单、有效方法，通过密集向量表示来近似节点之间的距离，以反映用户定义的图距离度量，避免了直接在图结构上进行操作引起的低效性，证明该方法在语义相似性和词义消歧任务上的表现比其他图嵌入方法更优秀，同时在 WordNet 和两个知识库图上进行了评估。

    Jun, 2019

  • 通过低秩非对称投影学习边缘表示

    本文提出了一种新的无向图嵌入方法，通过建模节点的连边函数，并结合从随机游走中抽样的信息，对图的联通结构进行表达，从而提高了学到的嵌入空间的表现和空间效率。该方法在社交网络、蛋白质相互作用等数据集上均取得了较好的表现。

    May, 2017

  • BiasedWalk: 偏置抽样在图表示学习中的应用

    提出基于偏置随机游走的可扩展无监督特征学习算法 BiasedWalk，适用于网络的降维和链接预测等任务，并在实验中显示它的优越性。

    Sep, 2018

  • 在大型图形中查找最接近的截断通勤时间邻居的一种可解决方法

    通过加速随机游走算法计算截断通勤时间，不需要计算所有配对，本文在模拟和真实图表上进行了实验，结果显示计算时间近线性缩放。

    Jun, 2012

  • 近期基于随机游走的知识图嵌入方法综述

    本文主要介绍了知识图谱及其嵌入方法，并回顾了最近发展的一些基于随机游走的嵌入方法。

    Jun, 2024