MetaGraph2Vec：复杂语义路径增强的异质网络嵌入
社会与信息网络
2018-03-08 v1
摘要
异质信息网络（HINs）中的网络嵌入是一项具有挑战性的任务，原因在于节点类型不同以及节点间关系丰富所带来的复杂性。因此，常规网络嵌入技术无法处理此类 HINs。近来，基于元路径的方法被提出用以刻画 HINs 中的关系，但它们在捕捉节点间丰富上下文与语义以进行嵌入学习方面效果不佳，主要因为（1）元路径是一种相当严格的单路径节点-节点关系描述符，无法容纳关系中的差异，且（2）仅有小部分路径能匹配元路径，导致用于嵌入学习的上下文信息稀疏。本文中，我们倡导一种新的元图概念以捕捉远距离节点间更丰富的结构上下文与语义。元图包含节点间的多条路径，每条描述一种关系类型，因此多条元路径的增广为捕捉节点间丰富上下文与语义关系提供了有效途径。这极大提升了基于元路径的嵌入技术处理极稀疏 HINs 的能力。我们提出一种新的嵌入学习算法，即 MetaGraph2Vec，它利用元图引导随机游走的生成并学习多类型 HIN 节点的潜在嵌入。实验结果表明，MetaGraph2Vec 在各种异质网络挖掘任务（如节点分类、节点聚类和相似度搜索）中均能优于最先进的基线方法。
引用
@article{arxiv.1803.02533,
title = {MetaGraph2Vec: Complex Semantic Path Augmented Heterogeneous Network Embedding},
author = {Daokun Zhang and Jie Yin and Xingquan Zhu and Chengqi Zhang},
journal= {arXiv preprint arXiv:1803.02533},
year = {2018}
}