MEGAN：一种用于多视图网络嵌入的生成对抗网络
社会与信息网络
2019-09-04 v1 机器学习
摘要
许多真实世界应用中的数据可自然表示为多视图网络，其中不同视图编码真实世界个体或实体之间的不同类型关系（如友谊、音乐上的共同兴趣等）。迫切需要对此类多视图网络获取低维、保信息且通常为非线性的嵌入的方法。然而，多视图学习的工作大多聚焦于缺乏网络结构的数据，而网络嵌入的工作主要聚焦于单视图网络。在此背景下，我们考虑多视图网络表示学习问题，即构建多视图网络低维保信息嵌入的问题。具体而言，我们研究一种用于多视图网络嵌入的新型生成对抗网络（GAN）框架，即MEGAN，旨在保留各独立网络视图的信息，同时考虑不同视图间的连通性（以及由此而来的互补性与相关性）。我们在两个真实世界多视图数据集上的实验结果表明，使用MEGAN获得的嵌入在节点分类、链接预测与可视化任务上优于SOTA方法。
引用
@article{arxiv.1909.01084,
title = {MEGAN: A Generative Adversarial Network for Multi-View Network Embedding},
author = {Yiwei Sun and Suhang Wang and Tsung-Yu Hsieh and Xianfeng Tang and Vasant Honavar},
journal= {arXiv preprint arXiv:1909.01084},
year = {2019}
}
备注
Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence, IJCAI-19