高阶排序与链接预测：从闭合三角形到闭合高阶模体
机器学习
2019-06-13 v1 信息检索
社会与信息网络
机器学习
摘要
本文引入模体闭合的概念，并基于闭合高阶网络模体的概念描述了高阶排序与链接预测方法。这些方法快速高效，适用于基于实时排序和链接预测的应用，如网页搜索、在线广告和推荐。在此类应用中，实时性能至关重要。所提方法不需要任何显式训练数据，也不从图数据导出嵌入或执行任何显式学习。具有上述理想性质的现有方法均基于闭合三角形（共同邻居、Jaccard相似度及其同类）。本工作中，我们研究高阶网络模体，并基于闭合高阶模体的概念开发超越简单三角形闭合的技术。本文描述的所有方法均很快，其运行时间在节点数量上呈亚线性。实验结果表明了闭合高阶模体对于排序和链接预测应用的重要性。最后，所提的高阶模体闭合概念可作为研究和开发更好排序与链接预测方法的基础。
引用
@article{arxiv.1906.05059,
title = {Higher-Order Ranking and Link Prediction: From Closing Triangles to Closing Higher-Order Motifs},
author = {Ryan A. Rossi and Anup Rao and Sungchul Kim and Eunyee Koh and Nesreen K. Ahmed and Gang Wu},
journal= {arXiv preprint arXiv:1906.05059},
year = {2019}
}