基于自 token 化序列生成的生成式时序链接预测
机器学习
2020-04-28 v2 信息检索
社会与信息网络
机器学习
摘要
我们将具有演化结构的网络形式化为时序网络，并提出一种生成式链接预测模型，即生成式链接序列建模（GLSM），用于预测时序网络的未来链接。GLSM通过序列建模框架从观测链接中捕捉时序链接形成模式，并能够通过从潜在未来链接的概率分布中进行推断来生成涌现链接。为避免将每个链接视为唯一token而引起的过拟合，我们提出一种自 token 化机制，将网络中每个原始链接自动转换为抽象聚合token。该自 token 化无缝集成到序列建模框架中，使所提出的GLSM模型具备超越原始链接序列发现链接形成模式的泛化能力。我们在五个真实世界数据集上将GLSM与现有最先进方法进行比较。实验结果表明，GLSM以生成式方式有效获取未来正链接，同时在其他替代方法中取得最佳性能（AUC上提升2-10%）。
引用
@article{arxiv.1911.11486,
title = {Generative Temporal Link Prediction via Self-tokenized Sequence Modeling},
author = {Yue Wang and Chenwei Zhang and Shen Wang and Philip S. Yu and Lu Bai and Lixin Cui and Guandong Xu},
journal= {arXiv preprint arXiv:1911.11486},
year = {2020}
}
备注
accepted by World Wide Web Journal