用于多层网络推断的改进深度嵌入方法

对网络数据进行推断需要将节点映射到一个向量空间中，并保持其关系。然而，对于多层网络——同一组节点存在多种类型关系——除了各层独有的方面外，利用层间共享的信息至关重要。在本文中，我们提出一种新方法：首先通过在上图（supra graph）上执行 DeepWalk 联合获取所有层的节点嵌入，从而允许层间交互，然后对嵌入进行微调以在潜空间中鼓励凝聚结构。通过在节点分类、链接预测和多层社区检测中的实证研究，我们表明所提方法在多个基准上优于现有的单层和多层网络嵌入算法。除了能有效扩展到大量层（测试多达 $37$ 层）之外，我们的方法始终产生高度模块化的社区结构，即使与直接优化模块度函数的方法相比也是如此。