网络嵌入维度选择的原则性方法

网络嵌入是一种通用的机器学习技术，它将网络结构编码在维度可调的向量空间中。选择合适的嵌入维度——小到足以保持高效，大到足以保持有效——具有挑战性，但对于生成适用于多种任务的嵌入是必要的。现有的嵌入维度选择策略依赖于在下游任务中实现性能最大化。在此，我们提出了一种原则性方法，使得网络的所有结构信息都能被简约地编码。该方法在多种嵌入算法和大量真实世界网络上得到了验证。我们的方法在真实世界网络中选择的嵌入维度表明，在低维空间中进行高效编码通常是可行的。