用于链接预测的无参数动态图嵌入方法
机器学习
2022-12-29 v2 人工智能
信息检索
摘要
动态交互图已被广泛用于对随时间演化的用户-物品交互进行建模。在动态交互图中为链接预测建模用户偏好时，有两个关键因素：1）用户间的协作关系；2）用户个性化交互模式。现有方法常将这两因素隐式地共同考虑，当两因素背离时可能导致噪声化的用户建模。此外，它们通常需要耗时的基于反向传播的参数学学习，这对实时用户偏好建模而言难以承受。为此，本文提出 FreeGEM，一种用于链接预测的无参数动态图嵌入方法。首先，为利用协作关系，我们提出一种增量图嵌入引擎来获取用户/物品嵌入，其为一个由在线模块（随时间为用户/物品近似嵌入）、监控模块（实时估计近似误差）与离线模块（当在线近似误差超阈时校准用户/物品嵌入）组成的在线-监控-离线架构。同时，我们将属性信息整合进模型，使 FreeGEM 能更好地建模属于某些代表性不足群体的用户。其次，我们设计了一种个性化动态交互模式建模器，结合动态时间衰减与注意力机制来建模用户短期兴趣。在两个链接预测任务上的实验结果表明，FreeGEM 在准确率上优于 SOTA 方法，同时效率提升超 36 倍。所有代码与数据集见 https://github.com/FudanCISL/FreeGEM。
引用
@article{arxiv.2210.08189,
title = {Parameter-free Dynamic Graph Embedding for Link Prediction},
author = {Jiahao Liu and Dongsheng Li and Hansu Gu and Tun Lu and Peng Zhang and Ning Gu},
journal= {arXiv preprint arXiv:2210.08189},
year = {2022}
}
备注
19 pages, 9 figures, 13 tables, Thirty-Sixth Conference on Neural Information Processing Systems (NeurIPS 2022), preprint version