GlobalWalk：通过有偏采样学习全局感知的节点嵌入
机器学习
2022-05-31 v2 人工智能
摘要
流行的节点嵌入方法，如 DeepWalk，遵循在图结构上进行随机游走，然后要求每个节点与随其出现的节点邻近的范式。尽管这种方法在各种任务中被证明是成功的，但它将具有拓扑结构的图简化为一系列顺序语句，从而忽略了全局信息。为了生成具有全局感知能力的节点嵌入，我们提出了 GlobalWalk，这是一种偏向于选择具有相似语义节点的有偏随机游走策略。实证证据表明，GlobalWalk 通常能增强生成嵌入的全局感知能力。
关键词
引用
@article{arxiv.2201.09882,
title = {GlobalWalk: Learning Global-aware Node Embeddings via Biased Sampling},
author = {Zhengrong Xue and Ziao Guo and Yiwei Guo},
journal= {arXiv preprint arXiv:2201.09882},
year = {2022}
}