基于嵌入向量间多类一致性的多层社交网络层间链路预测
物理与社会
2021-11-10 v3 社会与信息网络
摘要
在线用户通常活跃于多个社交媒体网络（SMN），它们构成多层社交网络。判定不同 SMN 上给定账户是否属于同一用户正变得愈发困难；这可表述为多层网络中的层间链路预测问题。为应对层间链路预测的挑战，可利用特征或结构信息。现有使用网络嵌入技术解决该问题的方法聚焦于学习映射函数以将所有节点统一至公共潜在表示空间进行预测；未匹配节点与其公共已匹配邻居（CMN）之间的位置关系未被利用。此外，各层常被建模为无权图，忽略了节点间关系的强度。为克服这些局限，我们提出一种基于嵌入向量间多类一致性（MulCEV）的框架。在 MulCEV 中，传统基于嵌入的方法用于获取表示未匹配节点的向量间的一致性程度，而所提出的基于各潜在空间中节点位置的距离一致性指标为预测提供了额外线索。通过关联这两类一致性，潜在空间中的有效信息被充分利用。此外，MulCEV 将各层建模为加权图以获得表示。如此，节点间关系强度越高，其在潜在表示空间中的嵌入向量越相似。我们在若干真实数据集上的实验结果表明，所提 MulCEV 框架显著优于当前基于嵌入的方法，尤其在训练迭代次数较少时。
引用
@article{arxiv.2008.05212,
title = {Interlayer Link Prediction in Multiplex Social Networks Based on Multiple Types of Consistency between Embedding Vectors},
author = {Rui Tang and Zhenxiong Miao and Shuyu Jiang and Xingshu Chen and Haizhou Wang and Wei Wang},
journal= {arXiv preprint arXiv:2008.05212},
year = {2021}
}