FCA2VEC：形式概念分析的嵌入技术
机器学习
2023-12-29 v1 人工智能
机器学习
摘要
将大规模高维数据嵌入低维向量空间是计算处理当代数据集的必要任务。超越潜在语义分析，诸如 word2vec 或 node2vec 等近期方法已成为该领域的成熟工具。本文沿此研究脉络，引入 fca2vec——形式概念分析(FCA)的嵌入技术族。我们的研究贡献于两条不同路线。首先，我们使 FCA 概念能应用于大规模数据集。特别地，我们展示了如何从计算可行的嵌入中恢复概念格的覆盖关系。其次，我们展示了经典 node2vec 方法在低维下的增强。两个方向均保持了 FCA 可解释结果这一总体约束。我们通过在不同数据集上计算 fca2vec 来评估新程序，如 wiki44(Wikidata 知识图的稠密部分)、Mushroom 数据集以及源自 FCA 社区的出版网络。
引用
@article{arxiv.1911.11496,
title = {FCA2VEC: Embedding Techniques for Formal Concept Analysis},
author = {Dominik Dürrschnabel and Tom Hanika and Maximilian Stubbemann},
journal= {arXiv preprint arXiv:1911.11496},
year = {2023}
}
备注
25 pages