基于自注意力网络的节点嵌入模型
机器学习
2020-06-23 v1 计算与语言
社会与信息网络
机器学习
摘要
尽管最近取得了一些进展，但针对需要为全新未见节点生成嵌入的归纳设置的研究仍然有限——这种设置在图网络的深度学习实际应用中很常见。这显著影响了下游任务的性能，如节点分类、链接预测或社区提取。为此，我们提出了SANNE——一种新颖的无监督嵌入模型——其核心思想是采用transformer自注意力网络来迭代聚合随机游走中节点的向量表示。我们的SANNE旨在不仅为现有节点，也为全新未见节点生成合理的嵌入。实验结果表明，所提出的SANNE在知名基准数据集的节点分类任务上取得了SOTA结果。
关键词
引用
@article{arxiv.2006.12100,
title = {A Self-Attention Network based Node Embedding Model},
author = {Dai Quoc Nguyen and Tu Dinh Nguyen and Dinh Phung},
journal= {arXiv preprint arXiv:2006.12100},
year = {2020}
}
备注
Accepted version, ECML-PKDD 2020