Nov, 2023

HyperS2V: 超网络节点结构表示的框架

PDF
TL;DR该研究介绍了 HyperS2V，一种以超级网络的结构相似性为中心的节点嵌入方法。研究通过建立超级度的概念来捕捉超级网络中节点的结构特性，并提出了一种用于衡量不同超级度之间结构相似性的新函数。最后，利用多尺度随机游走框架生成结构嵌入。通过在玩具网络和真实网络上进行的一系列内部和外部实验，结果表明 HyperS2V 在可解释性和对下游任务的适用性方面表现出优越性。
hyper networksnode embeddingstructural similarityhyper-degreesstructural embeddings
发现论文，激发创造
  • 将节点结构角色身份嵌入到双曲空间中

    本文探讨网络嵌入在双曲空间中的应用，提出一种新的框架可以在超空间嵌入节点的结构角色，并在实际网络中进行了评估，结果表明超空间比欧几里得空间更有效地学习节点的结构表示。

    Nov, 2020

  • struc2vec：从结构标识学习节点表示

    本研究介绍了一种用于学习节点结构结构标识的潜在表示的新型灵活框架 struc2vec，它使用分层来在不同尺度上测量节点相似性，并构建多层图来编码结构相似性和生成节点的结构上下文，数值实验表明其在节点表示的任务中表现优异。

    Apr, 2017

  • 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

  • 超网络的结构深度嵌入

    本文提出了一种新的深度超网络嵌入模型，采用非线性元组相似函数保持超网络中的本地和全局相似性，并且在 GPS 网络、在线社交网络、药物网络和语义网络上的实验结果表明，该方法能够显著且持续地优于现有算法。

    Nov, 2017

  • HyperSAGE: 超图归纳表示学习的通用化

    本文介绍了 HyperSAGE，这是一种新的超图学习框架，它使用了双层神经消息传递策略来准确高效地通过超图进行信息传播，并比基准数据集上的现有方法表现更好，具有更高的表达能力和更稳定的节点表示。

    Oct, 2020

  • 评估和解释图的结构节点嵌入的非监督框架

    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。

    Jun, 2023

  • 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

  • 属性社交网络嵌入

    本文提出了一种基于网络结构和社交演员属性相似性的社交网络嵌入框架，在节点分类和链接预测任务上均实现了显著的性能提升，比如在链接预测任务上相比 node2vec 提高了 8.2%。

    May, 2017

  • 深度超图结构学习

    为优化基于超图的数据表示学习中的超图结构，我们提出一种名为 DeepHGSL 的深度学习超图结构学习的通用范式，并引入信息瓶颈原理来构建损失函数，以减少超图结构中的噪声信息，从而提取更加鲁棒的特征表达，在四个基准数据集上的实验结果表明了模型的有效性和鲁棒性。

    Aug, 2022

  • 基于注意力机制的异构结构学习图神经网络

    本文针对异构信息网络（HIN）的图表示学习进行了研究，并提出了一种新颖的基于异构图结构注意力神经网络（HetSANN）的方法，该方法在不需要领域专家设计元路径方案的情况下能够自动处理异构信息。实验证明，该方法相较于现有的 HIN 嵌入模型有显著和一致的提升。

    Dec, 2019