属性网络的半监督协同嵌入
社会与信息网络
2019-11-01 v1 机器学习
摘要
深度生成模型（DGMs）已取得显著进展。半监督变分自编码器（SVAE）作为一种经典的 DGM，提供了一个原则性框架，可有效地从小规模标注数据泛化到大规模未标注数据，但难以将多个异构实体中丰富的非结构化关系纳入其中。本文中，为处理该问题，我们提出了一种基于广义 SVAE 处理异构数据的属性网络半监督协同嵌入模型（SCAN），该模型以半监督方式协同学习部分标注属性网络中节点与属性的低维向量表示。我们的 SCAN 以统一方式获得的节点与属性嵌入，不仅有助于捕捉节点间的邻近性，也有助于捕捉节点与属性间的亲和性。此外，我们的模型还训练了一个判别网络来学习节点的标签预测分布。在真实网络上的实验结果表明，与最先进的基线相比，我们的模型在属性推断、用户画像和节点分类等多项应用中均表现出优异性能。
引用
@article{arxiv.1910.14491,
title = {Semi-supervisedly Co-embedding Attributed Networks},
author = {Zaiqiao Meng and Shangsong Liang and Jinyuan Fang and Teng Xiao},
journal= {arXiv preprint arXiv:1910.14491},
year = {2019}
}
备注
Published at NeurIPS2019