RiWalk：通过角色识别的快速结构节点嵌入
社会与信息网络
2019-10-16 v1 机器学习
摘要
在网络中执行不同功能的节点具有不同的角色，这些角色可从网络结构中窥得。学习节点角色的潜表示有助于理解网络并在网络间迁移知识。然而，大多数现有的结构嵌入方法存在计算与空间成本高或依赖启发式特征工程的问题。在此我们提出 RiWalk，一种用于学习结构节点表示的灵活范式。它将结构嵌入问题解耦为角色识别过程与网络嵌入过程。通过角色识别，构建保留结构依赖的根核（rooted kernels）以更好地整合网络嵌入方法。为展示 RiWalk 的有效性，我们开发了两种分别名为 RiWalk-SP 和 RiWalk-WL 的不同角色识别方法，并采用基于随机游走的网络嵌入方法。在网络内分类任务上的实验表明，我们提出的算法在与其他基线性能相当的同时，效率提高了一个数量级。此外，我们还进行了跨网络角色分类任务。结果显示了结构嵌入在迁移学习中的潜力。RiWalk 还具有可扩展性，使其能够捕捉大规模网络中的结构角色。
引用
@article{arxiv.1910.06541,
title = {RiWalk: Fast Structural Node Embedding via Role Identification},
author = {Xuewei Ma and Geng Qin and Zhiyang Qiu and Mingxin Zheng and Zhe Wang},
journal= {arXiv preprint arXiv:1910.06541},
year = {2019}
}
备注
Accepted as a regular paper at IEEE ICDM 2019. 10 pages, 5 figures