基于胶囊网络的节点嵌入学习模型
机器学习
2020-08-19 v2 计算与语言
机器学习
摘要
本文关注图结构数据中节点的低维嵌入学习。为此，我们提出了 Caps2NE——一种利用两层胶囊网络的无监督嵌入模型。Caps2NE 在第一胶囊层诱导路由过程以聚合给定目标节点的上下文邻居的特征向量，然后将这些特征送入第二胶囊层以推断该目标节点的合理嵌入。实验结果表明，我们提出的 Caps2NE 在节点分类任务的基准数据集上取得了最先进的性能。我们的代码可在：\url{https://github.com/daiquocnguyen/Caps2NE} 获取。
引用
@article{arxiv.1911.04822,
title = {A Capsule Network-based Model for Learning Node Embeddings},
author = {Dai Quoc Nguyen and Tu Dinh Nguyen and Dat Quoc Nguyen and Dinh Phung},
journal= {arXiv preprint arXiv:1911.04822},
year = {2020}
}
备注
Extended version of our CIKM 2020 paper, including inductive results