使用 LSTM 从图邻域中学习
机器学习
2016-11-22 v1 人工智能
机器学习
摘要
许多预测问题可以表述为对图局部邻域的推断。图表示实体之间的交互，每个实体的邻域包含允许进行推断或预测的信息。我们提出了一种将机器学习直接应用于此类图邻域的方法，从而基于图节点的局部邻域结构及其内部节点的特征为其生成预测。我们的方法允许直接从样本中学习预测，绕过了创建和调整推断模型或通过固定的一组手工特征来总结邻域的步骤。该方法基于由长短期记忆神经网络（LSTM）构建的多层级架构；LSTM 从数据中学习如何总结邻域。我们在一个合成示例以及与众包评分、比特币交易和 Wikipedia 编辑回退相关的真实数据上证明了所提技术的有效性。
引用
@article{arxiv.1611.06882,
title = {Learning From Graph Neighborhoods Using LSTMs},
author = {Rakshit Agrawal and Luca de Alfaro and Vassilis Polychronopoulos},
journal= {arXiv preprint arXiv:1611.06882},
year = {2016}
}