- AAAI面向属性网络的异常感知网络嵌入
该研究提出了一种无监督的 ONE 方法,可检测和减少异常节点对网络嵌入的影响,进而提高网络嵌入的鲁棒性,并在不需要监督的情况下集成了异常节点的影响,取得了明显的性能优势,对提高当前具有节点属性的网络应用具有一定的实用性。
- 网络嵌入的快速梯度攻击
本研究基于图卷积网络的渐变信息生成对抗性网络,在社交网络等情境中,通过只重新链接少量节点即可干扰网络嵌入,保护目标节点的隐私。
- 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。
- 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。
- KDD通过异质信息网络的综合转录,简化嵌入式学习
通过 HEER 算法对边表现和异构度量的妥善学习,解决了综合转录异构信息网络的挑战,并在真实数据集上展示了模型的有效性和边表现和异构度量的实用性。
- 高效资源神经网络架构
提出了一种使用策略网络进行网络嵌入的强化学习的资源有效型神经架构搜索方法,可以在计算资源受限制的情况下获得高性能的神经网络结构,并在图像识别和关键词识别问题上实现了先进的性能。
- GANE: 生成对抗网络嵌入
本文提出了一种使用基于对抗生成网络的方法进行网络嵌入的模型,通过引入 Wasserstein-1 距离和三种不同的变体来解决无监督学习和有监督学习之间的鸿沟,实现在低维嵌入向量空间中保留网络中的第一和第二阶接近度,实验结果表明,在链接预测、 - 迭代随机投影的十亿级网络嵌入
RandNE 是一种用于处理百亿级网络的、高效的、无误差聚合的网络嵌入方法,它采用高斯随机投影和迭代投影来实现低维嵌入空间的构建,并具有良好的分布式计算性能和动态网络更新能力。
- 神经边:用于带属性网络嵌入的神经贝叶斯个性化排名
本文提出了一种新的神经贝叶斯个性化排序网络嵌入方法 ——Neural-Brane,该方法结合了节点的拓扑信息和节点属性,利用贝叶斯个性化排序目标函数来提取节点的潜在特征表示,并在四个真实数据集上验证了其优越性。
- FSCNMF:利用非负矩阵分解融合结构和内容以嵌入信息网络
本文提出了一种非负矩阵分解 (FSCNMF) 的优化框架,它考虑到网络结构和节点内容的特点,能更好地学习网络的低维向量表示,同时进一步扩展了基本的 FSCNMF 到 FSCNMF++ 来捕捉网络中的高阶亲近性,实验结果表明,与现有算法相比, - MetaGraph2Vec: 复杂语义路径增强异构网络嵌入
本文提出一种新的多元化方法 ——Metagraph,用于网络嵌入学习中捕捉不同节点之间更丰富的结构和语义上下文信息,从而在处理非常稀疏的异构信息网络时提高了 MetaPath 嵌入技术的能力,并实验证明 MetaGraph2Vec 算法能够 - 异构信息网络中的方面嵌入学习
该研究提出了一种基于多个方面来保留异质信息网络中语义信息的新型嵌入学习框架 - AspEm,它的有效性经过了两个真实世界数据集的实验证明,其中这些方面可以以无监督的方式从给定的异质信息网络中进行选择。
- IJCAISPINE: 结构保持归纳网络嵌入
SPINE 是一种具有归纳性的网络嵌入方法,可以同时捕捉节点之间的局部距离和任意距离的结构信息,并能够有效地处理未见节点。该方法在基准数据集上取得了超越现有技术的结果。
- IJCAI学习基于角色的图嵌入
本文介绍了使用 Role2Vec 框架基于属性随机游走的方法来在图形数据分析中实现广义深度学习和节点表示学习,并取得了较好的效果和泛化能力。
- mvn2vec: 多视角网络嵌入的保留与协作
本文研究了多视角网络内嵌的优化目标,并通过 mvn2vec 算法在合成数据集、内部数据集和公共数据集上的实验证实,同时模拟保护和协作两个目标可以获得更好的内嵌质量。
- WSDMSHINE: 有符号异构信息网络嵌入用于情感链接预测
本文研究在线社交网络中的情感链接识别问题,提出了一种基于异构网络嵌入的新型框架 SHINE,能够从与用户有关的文本、社交关系以及用户个人信息多方面进行分析,从而预测隐藏在社交网络中的情感关系。实验结果表明,所提出的方法在网络关系预测及节点推 - AAAI无标度网络的表示学习
本文研究了学习比例自由网络表示的问题,提出了 “度数惩罚” 原则,通过利用谱技术和跳字模型两种实现方案,实现了传统 embedding 算法无法做到的重构重尾分布的度数分布和跃迁分类等功能。
- AAAI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。
- 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。
- WSDM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