面向跨网络节点分类的对抗深度网络嵌入
社会与信息网络
2020-06-29 v1 机器学习
摘要
本文研究了跨网络节点分类任务，该任务利用源网络中丰富的已标记节点来帮助分类目标网络中的未标记节点。现有的域适应算法通常无法建模网络结构信息，而当前的网络嵌入模型主要关注单网络应用。因此，二者均不能直接用于解决跨网络节点分类问题。这促使我们提出一种对抗跨网络深度网络嵌入（ACDNE）模型，将对抗域适应与深度网络嵌入相整合，以学习网络不变的节点表示，同时能很好地保留网络结构信息。在ACDNE中，深度网络嵌入模块利用两个特征提取器联合保留节点间的属性亲和性与拓扑邻近性。此外，引入一个节点分类器使节点表示具有标签判别性。而且，采用对抗域适应技术使节点表示网络不变。大量实验结果表明，所提ACDNE模型在跨网络节点分类中达到了最先进的性能。
引用
@article{arxiv.2002.07366,
title = {Adversarial Deep Network Embedding for Cross-network Node Classification},
author = {Xiao Shen and Quanyu Dai and Fu-lai Chung and Wei Lu and Kup-Sze Choi},
journal= {arXiv preprint arXiv:2002.07366},
year = {2020}
}