ANAE：面向属性网络嵌入的节点上下文表示学习
社会与信息网络
2020-07-07 v3 机器学习
摘要
属性网络嵌入旨在从网络结构与节点属性中学习低维节点表示。现有方法可分为两类：（1）第一类分别从网络结构与节点属性学习两个分离的节点表示再拼接；（2）另一类通过将节点属性转为网络结构或反之来获得节点表示。然而两类均有缺陷。第一类忽略网络结构与节点属性间关联，第二类则假设这两类信息间存在强依赖。本文从新视角处理属性网络嵌入，即通过建模各节点的属性局部子图来学习其节点上下文表示。为此，我们提出一种新颖的属性网络自编码器框架，即 ANAE。对目标节点，ANAE 首先从其属性局部子图聚合属性信息，得到低维表示；接着将目标节点表示扩散至局部子图中节点以重建其属性。该编码器-解码器框架使所学表示能更好保留显现于网络结构与节点属性中的上下文信息，从而具备学习优质属性网络节点表示的能力。在真实数据集上的大量实验表明，该框架在链接预测与节点分类任务上优于当前最优方法。
引用
@article{arxiv.1906.08745,
title = {ANAE: Learning Node Context Representation for Attributed Network Embedding},
author = {Keting Cen and Huawei Shen and Jinhua Gao and Qi Cao and Bingbing Xu and Xueqi Cheng},
journal= {arXiv preprint arXiv:1906.08745},
year = {2020}
}