基于聚合-扩散机制的动态图表示学习
机器学习
2021-06-04 v1 社会与信息网络
摘要
由于生物信息学、知识图和社交网络等广泛应用场景，对演化图的表示学习近来受到显著关注。图中信息的传播在动态图表示学习中十分重要，现有多数方法通过聚合实现传播。然而，在动态图中仅依赖聚合传播信息会导致信息传播延迟，从而影响方法性能。为缓解该问题，我们提出聚合-扩散（AD）机制：节点通过聚合机制更新嵌入后，主动通过扩散将信息传给其邻居。在动态链接预测任务的两个真实数据集实验中，AD 机制优于仅用聚合传播信息的基线模型。我们进一步开展大量实验讨论 AD 机制中不同因素的影响。
引用
@article{arxiv.2106.01678,
title = {Learning Representation over Dynamic Graph using Aggregation-Diffusion Mechanism},
author = {Mingyi Liu and Zhiying Tu and Xiaofei Xu and Zhongjie Wang},
journal= {arXiv preprint arXiv:2106.01678},
year = {2021}
}