PReP：异构信息网络中基于概率视角的路径相关性
社会与信息网络
2019-02-22 v2 机器学习
摘要
作为一种强大的网络化与多类型数据表示范式，异构信息网络（HIN）无处不在。同时，定义合适的相关性度量一直是网络挖掘任务的一个基本问题，并具有重要的实用价值。受我们对现有基于路径的相关性度量的概率解释的启发，我们提出从概率视角研究 HIN 相关性。我们还从真实数据中识别出跨元路径协同效应，并提议对其进行建模，这对于定义基于路径的 HIN 相关性是一个重要特征，且尚未被现有方法建模。我们建立了一个生成模型来推导一种新颖的基于路径的相关性度量，该度量是数据驱动的并针对每个 HIN 量身定制。我们开发了一种推理算法来寻找模型参数的最大后验（MAP）估计，这需要一些非平凡的技巧。在两个真实数据集上的实验证明了所提出模型和相关性度量的有效性。
引用
@article{arxiv.1706.01177,
title = {PReP: Path-Based Relevance from a Probabilistic Perspective in Heterogeneous Information Networks},
author = {Yu Shi and Po-Wei Chan and Honglei Zhuang and Huan Gui and Jiawei Han},
journal= {arXiv preprint arXiv:1706.01177},
year = {2019}
}
备注
10 pages. In Proceedings of the 23nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Halifax, Nova Scotia, Canada, ACM, 2017