用于异构网络嵌入的基于 K 跳随机游走的网络采样
社会与信息网络
2018-08-19 v1
摘要
网络采样是无监督网络嵌入的重要前提。此外，随机游走在以往研究中已被广泛用于采样。由于基于随机游走的采样倾向于遍历相邻邻居，它可能不适合异构网络，因为在异构网络中两个相邻节点常属于不同类型。因此，本文提出一种基于 K 跳随机游走的采样方法，仅当节点与源节点相隔 K 跳时才将其纳入采样列表。我们利用 K 跳随机游走生成的样本，通过 skip-gram 模型（word2vec）进行网络嵌入。此后，在异构 DBLP 网络的合著预测任务上评估网络嵌入性能。我们将利用所提采样方法的网络嵌入功效与近期提出的最佳性能网络嵌入模型即 Metapath2vec 和 Node2vec 进行比较。显然，所提采样方法产生更高质量的嵌入，并在大多数情况下优于基线。
引用
@article{arxiv.1808.04657,
title = {Network Sampling Using K-hop Random Walks for Heterogeneous Network Embedding},
author = {Akash Anil and Ajay Ladhar and Sandeep Singh and Uppinder Chugh and Sanasam Ranbir Singh},
journal= {arXiv preprint arXiv:1808.04657},
year = {2018}
}
备注
4 Pages, 1 Table