基于随机最短路径的多视图图嵌入
机器学习
2018-08-21 v1 计算机视觉与模式识别
机器学习
摘要
现实世界数据集常针对同一组实体提供多种类型的信息。此类数据可由多视图图很好地表示，即在同一节点上由若干 distinct 边集构成，可用于分析实体从不同视角如何交互。融合多视图可改善从底层数据得出推断的质量，这增加了开发高效多视图图嵌入方法的兴趣。我们提出一种算法 C-RSP，利用随机最短路径（RSP）生成多视图图的公共（C）嵌入。该算法通过最小化多视图图上任意两节点间随机游走的期望代价来生成节点间相异度度量，从而编码图的局部与全局结构。我们在真实与合成数据上测试 C-RSP，表明其在嵌入与聚类任务上优于基准算法，且保持计算高效。
引用
@article{arxiv.1808.06560,
title = {Multi-View Graph Embedding Using Randomized Shortest Paths},
author = {Anuththari Gamage and Brian Rappaport and Shuchin Aeron and Xiaozhe Hu},
journal= {arXiv preprint arXiv:1808.06560},
year = {2018}
}