Persona2vec：一种面向图的多角色表示学习灵活框架
社会与信息网络
2020-10-22 v2 机器学习
机器学习
摘要
图嵌入技术通过学习图的低维表示，在许多图挖掘任务中取得了最先进的性能。大多数现有嵌入算法为每个节点分配单一向量，隐含地假设单一表示足以捕捉该节点的所有特征。然而，在许多领域中，普遍观察到重叠的社区结构，其中大多数节点属于多个社区，并根据上下文扮演不同角色。在此，我们提出 persona2vec，一种基于节点结构上下文高效学习节点多表示的图嵌入框架。基于链接预测的评估表明，我们的框架比现有最先进模型显著更快，同时取得更优性能。
关键词
引用
@article{arxiv.2006.04941,
title = {Persona2vec: A Flexible Multi-role Representations Learning Framework for Graphs},
author = {Jisung Yoon and Kai-Cheng Yang and Woo-Sung Jung and Yong-Yeol Ahn},
journal= {arXiv preprint arXiv:2006.04941},
year = {2020}
}
备注
9 pages, 7 figures