InstantEmbedding：基于局部 PageRank 计算的高效单节点表示学习方法
机器学习
2020-10-15 v1 人工智能
社会与信息网络
机器学习
摘要
在本文中，我们提出 InstantEmbedding，一种利用局部 PageRank 计算生成单节点表示的高效方法。我们从理论上证明，该方法能在亚线性时间内产生全局一致的表示。我们通过在包含超过十亿条边的真实数据集上进行大量实验，从经验上验证了这一点。我们的实验证实，相比于 DeepWalk、node2vec、VERSE 和 FastRP 等传统方法，InstantEmbedding 在生成单个节点嵌入时所需的计算时间大幅减少（快逾 9000 倍），内存占用也显著降低（降至 1/8000 以下）。我们还表明，我们的方法能生成高质量表示，在节点分类和链接预测等任务的无监督表示学习中，其结果达到或超越当前最优（state of the art）水平。
引用
@article{arxiv.2010.06992,
title = {InstantEmbedding: Efficient Local Node Representations},
author = {Ştefan Postăvaru and Anton Tsitsulin and Filipe Miguel Gonçalves de Almeida and Yingtao Tian and Silvio Lattanzi and Bryan Perozzi},
journal= {arXiv preprint arXiv:2010.06992},
year = {2020}
}
备注
23 pages, 9 figures