HeteSpaceyWalk：一种用于异质信息网络嵌入的异质空间随机游走
机器学习
2019-09-10 v1 社会与信息网络
机器学习
摘要
异质信息网络（HIN）嵌入近年来受到越来越多的关注。然而，当前基于随机游走的HIN嵌入方法很少关注元路径引导随机游走的高阶马尔可夫链特性，尤其是平稳性问题。本文系统地将元路径引导的随机游走形式化为一个高阶马尔可夫链过程，并提出一种异质个性化空间随机游走，以高效且有效地达到节点间的期望平稳分布。随后，我们提出一个通用的可扩展框架，利用异质个性化空间随机游走，分别在元路径、元图和元模式的引导下，学习HIN中多种类型节点的嵌入。我们在多个异质网络上进行了广泛实验，证明我们的方法显著优于现有的最先进网络嵌入算法。
引用
@article{arxiv.1909.03228,
title = {HeteSpaceyWalk: A Heterogeneous Spacey Random Walk for Heterogeneous Information Network Embedding},
author = {Yu He and Yangqiu Song and Jianxin Li and Cheng Ji and Jian Peng and Hao Peng},
journal= {arXiv preprint arXiv:1909.03228},
year = {2019}
}
备注
CIKM 2019