RAFEN——面向节点嵌入的正则化对齐框架
机器学习
2023-04-20 v2
摘要
节点表示学习一直是图机器学习研究的关键领域。一个定义良好的节点嵌入模型应在最终嵌入中同时反映节点特征与图结构。对于动态图，该问题更为复杂，因为特征与结构均可能随时间变化。特定节点的嵌入在图演化过程中应保持可比性，这可通过施加对齐过程实现。已有工作常在计算完节点嵌入后应用此步骤。本文引入框架 RAFEN，其利用前述对齐项丰富任意现有节点嵌入方法，并在训练时学习对齐的节点嵌入。我们提出该框架的若干变体，并在六个真实数据集上展示其性能。RAFEN 无需额外处理步骤即取得与现有方法相当或更优的性能。
引用
@article{arxiv.2303.01926,
title = {RAFEN -- Regularized Alignment Framework for Embeddings of Nodes},
author = {Kamil Tagowski and Piotr Bielak and Jakub Binkowski and Tomasz Kajdanowicz},
journal= {arXiv preprint arXiv:2303.01926},
year = {2023}
}
备注
ICCS 2023