从含噪节点活动数据中学习特征与网络结构
网络与互联网体系结构
2022-12-09 v3
摘要
在网络结构的研究中，当给定与边相关的信息时，开发重建网络和预测缺失链接的方法备受关注。然而，当我们仅获得带有缺失值的含噪节点活动数据时，此类方法便不再适用。本工作提出了一种无监督学习框架，用于从此类节点活动数据中学习节点向量并构建网络。首先，我们设计了一种方案，从由节点活动数据生成的节点上下文集合中生成随机节点序列。然后，采用三层神经网络训练节点序列以获得节点向量，这使我们能够构建网络并捕获具有协同角色的节点。此外，我们提出了一种基于熵的方法，用于在最终网络中为每个节点选择最有意义的邻居。最后，通过合成数据与真实数据验证了该方法的有效性。
引用
@article{arxiv.2111.02630,
title = {Feature Learning and Network Structure from Noisy Node Activity Data},
author = {Junyao Kuang and Caterina Scoglio and Kristin Michel},
journal= {arXiv preprint arXiv:2111.02630},
year = {2022}
}