BHIN2vec：异构信息网络中关系类型的平衡
社会与信息网络
2019-12-21 v1 机器学习
摘要
网络嵌入的目标是将网络中的节点转换为低维嵌入向量。近来，异构网络已被证明能有效地表示数据中的多样信息。然而，异构网络嵌入存在不平衡问题，即关系类型的大小（或网络中关于该类型的边数）是不平衡的。在本文中，我们设计了一种新的异构网络嵌入方法，称为 BHIN2vec，它考虑了网络中所有关系类型之间的平衡。我们将异构网络嵌入视为同时解决多个任务，其中每个任务对应于网络中的一种关系类型。在将 skip-gram 损失拆分为对应于不同任务的多个损失后，我们提出了一种新颖的随机游走策略，通过考虑相对训练比例来聚焦于具有高损失值的任务。与先前的随机游走策略不同，我们提出的随机游走策略根据不同任务间的相对训练比例生成训练样本，从而实现了节点嵌入的平衡训练。我们在节点分类和推荐上的大量实验证明了 BHIN2vec 相对于最先进方法的优越性。此外，基于相对训练比例，我们分析了每种关系类型在嵌入空间中的表征程度。
引用
@article{arxiv.1912.08925,
title = {BHIN2vec: Balancing the Type of Relation in Heterogeneous Information Network},
author = {Seonghyeon Lee and Chanyoung Park and Hwanjo Yu},
journal= {arXiv preprint arXiv:1912.08925},
year = {2019}
}