GPSP：基于图划分与空间投影的异质网络嵌入方法
社会与信息网络
2018-03-08 v1 人工智能
摘要
在本文中，我们提出 GPSP，一种新颖的基于图划分与空间投影的方法，用于学习由多种类型节点和连边组成的异质网络的表示。具体而言，我们首先将异质网络划分为同质子网络与二分子网络。然后，通过学习投影嵌入向量来提取隐藏在二分子网络中的投影关系。最后，我们将来自二分子网络的投影向量与从同质子网络学习到的向量拼接，形成异质网络的最终表示。我们在真实数据集上进行了大量实验。结果表明，在节点分类与聚类这两个关键网络挖掘任务中，GPSP 优于最先进的基线方法。
引用
@article{arxiv.1803.02590,
title = {GPSP: Graph Partition and Space Projection based Approach for Heterogeneous Network Embedding},
author = {Wenyu Du and Shuai Yu and Min Yang and Qiang Qu and Jia Zhu},
journal= {arXiv preprint arXiv:1803.02590},
year = {2018}
}
备注
WWW 2018 Poster