隐式网络摘要:连接网络嵌入与摘要总结
社会与信息网络
2019-06-24 v2
摘要
受稠密嵌入带来的计算和存储挑战的推动,我们引入了隐式网络摘要问题,旨在学习图结构的紧凑隐式表示,其维度与输入图大小(即节点数和边数)无关,同时保留即时导出节点表示的能力。我们提出Multi-LENS,一种归纳式多级隐式网络摘要方法,利用一组关系算子和关系函数(算子的组合)分别捕获自我网络和高阶子图的结构。该结构存储在低秩、大小无关的结构特征矩阵中,这些矩阵与关系函数一起构成我们的隐式网络摘要。Multi-LENS具有通用性,自然支持有或没有方向性、权重、属性或标签的同质和异质图。在真实图上的大量实验显示,链接预测的AUC提升了3.5%至34.3%,同时在大型数据集上比基线嵌入方法所需输出存储空间少80至2152倍。作为应用领域,我们展示了Multi-LENS在Enron电子邮件通信图和Twitter共提及图中检测异常和事件的有效性。
引用
@article{arxiv.1811.04461,
title = {Latent Network Summarization: Bridging Network Embedding and Summarization},
author = {Di Jin and Ryan Rossi and Danai Koutra and Eunyee Koh and Sungchul Kim and Anup Rao},
journal= {arXiv preprint arXiv:1811.04461},
year = {2019}
}