域对抗网络对齐
机器学习
2019-08-16 v1 机器学习
摘要
网络对齐对众多领域而言是一项关键任务。许多现有工作利用表示学习来完成该任务，却未消除由域相关特征引起的域表示偏差，从而导致较差的对齐性能。本文提出一种统一的深度架构（DANA），通过对抗域分类器为网络对齐获取域不变表示。具体而言，在给定一小部分观测锚点的情况下，我们采用图卷积网络在域对抗原则下执行网络嵌入。随后，通过同时最大化观测锚点的后验概率分布与域分类器的损失来优化半监督学习框架。我们还开发了模型的若干变体，例如方向感知网络对齐、有向网络的权重共享以及参数空间简化。在三个真实世界社交网络数据集上的实验表明，我们提出的方法取得了最先进的对齐结果。
引用
@article{arxiv.1908.05429,
title = {Domain-adversarial Network Alignment},
author = {Huiting Hong and Xin Li and Yuangang Pan and Ivor Tsang},
journal= {arXiv preprint arXiv:1908.05429},
year = {2019}
}