带文本关联节点的有向网络嵌入学习——以软件包依赖网络中的应用为例
机器学习
2020-11-30 v5 软件工程
社会与信息网络
机器学习
摘要
网络嵌入由网络中每个节点的向量表示组成。其实用性已在许多现实应用领域中显现，如社交网络与万维网络。带有与每个节点关联文本的有向网络（例如软件包依赖网络）十分常见。然而，据我们所知，其嵌入迄今尚未被专门研究。本文中，我们提出 PCTADW-1 与 PCTADW-2，两种基于神经网络、学习带文本关联节点的有向网络嵌入的算法。我们创建了两个新的此类节点标注网络：两个流行 GNU/Linux 发行版 Debian 与 Fedora 中的软件包依赖网络。我们通过实验证明，相较于多种基线方法，我们的算法所产生的嵌入在这两个网络上取得了更优的节点分类质量。我们观察到软件包依赖网络的网络嵌入中存在系统性的类比现象（类似于词嵌入中的类比）。据我们所知，这是首次在网络与文档嵌入中观察到此类系统性类比现象。我们进一步证明，这些网络嵌入可新颖地用于更好地理解软件属性，如软件的开发过程与用户界面等。
引用
@article{arxiv.1809.02270,
title = {Learning Embeddings of Directed Networks with Text-Associated Nodes---with Applications in Software Package Dependency Networks},
author = {Kexuan Sun and Shudan Zhong and Hong Xu},
journal= {arXiv preprint arXiv:1809.02270},
year = {2020}
}
备注
10 pages, 6 figures, 3 tables. 2020 BigGraphs Workshop at IEEE BigData 2020