异质图上的半监督学习及其在 Facebook 信息流中的应用
社会与信息网络
2018-07-10 v2 信息检索
机器学习
多媒体
摘要
基于图的半监督学习是一个基础的机器学习问题，并已得到充分研究。大多数研究聚焦于同质网络（如引文网络、好友网络）。在本文中，我们提出异质嵌入标签传播（HELP）算法，一种基于图的半监督深度学习算法，用于具有异质节点类型的图。我们从经验上证明了该方法在基于 Facebook 用户-领域交互图的领域分类任务中的有效性，并将所提出的 HELP 算法与最先进（SOTA）算法进行比较。我们表明 HELP 算法在多个任务上提升了预测性能，同时生成的语义有意义的嵌入对下游分类或回归任务具有判别性。
引用
@article{arxiv.1805.07479,
title = {Semisupervised Learning on Heterogeneous Graphs and its Applications to Facebook News Feed},
author = {Cheng Ju and James Li and Bram Wasti and Shengbo Guo},
journal= {arXiv preprint arXiv:1805.07479},
year = {2018}
}