DANE：域自适应网络嵌入
机器学习
2019-08-21 v2 社会与信息网络
机器学习
摘要
最近的研究表明，网络嵌入技术使许多机器学习模型能够处理图结构数据上的各种下游任务。然而，由于先前的方法通常专注于为单个网络学习嵌入，它们无法学习可在多个网络上迁移的表示。因此，设计一种支持下游模型在不同网络上迁移的网络嵌入算法，即域自适应，变得非常重要。在本文中，我们提出了一种新颖的域自适应网络嵌入框架，该框架应用图卷积网络来学习可迁移的嵌入。在DANE中，来自多个网络的节点通过一组共享的可学习参数被编码为向量，使得这些向量共享一个对齐的嵌入空间。不同网络上的嵌入分布进一步通过对抗学习正则化进行对齐。此外，DANE在学习可迁移网络嵌入方面的优势可以从理论上得到保证。大量实验表明，所提出的框架在跨网络域自适应任务中优于其他最先进的网络嵌入基线方法。
引用
@article{arxiv.1906.00684,
title = {DANE: Domain Adaptive Network Embedding},
author = {Yizhou Zhang and Guojie Song and Lun Du and Shuwen Yang and Yilun Jin},
journal= {arXiv preprint arXiv:1906.00684},
year = {2019}
}
备注
7 pages, 4 figures, accepted by IJCAI 2019