基于测地介数中心性的图谱嵌入
机器学习
2022-05-10 v1 社会与信息网络
摘要
我们提出了图西尔维斯特嵌入（GSE），一种刻画局部相似性、连通性与全局结构的无监督图表示。GSE 利用西尔维斯特方程的解在单一表示中同时捕捉网络结构与邻域邻近性。与基于拉普拉斯矩阵特征向量的嵌入不同，GSE 引入两个或更多基函数，例如使用拉普拉斯矩阵与亲和矩阵。此类基函数并非由原始图构造，而是由一个权重度量原始图中边中心性（经过该边的最短路径数所占比例）的图构造。这带来了更大的灵活性与可控性以表示复杂网络结构，并且在材料科学中预测失效边以及人-SARS-CoV-2 蛋白质-蛋白质相互作用组中的网络比对等数据分析任务上，相较当前最优方法取得了显著提升。
引用
@article{arxiv.2205.03544,
title = {Graph Spectral Embedding using the Geodesic Betweeness Centrality},
author = {Shay Deutsch and Stefano Soatto},
journal= {arXiv preprint arXiv:2205.03544},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2009.14441