面向作者识别的任务引导与路径增强异质网络嵌入
机器学习
2016-12-20 v2 人工智能
信息检索
机器学习
摘要
在本文中，我们研究了双盲评审设置下的作者识别问题，即给定匿名论文的信息来识别潜在作者。与严重依赖特征工程的现有方法不同，我们提出使用网络嵌入方法来解决该问题，该方法可以自动将节点表示为低维特征向量。然而，近期网络嵌入研究存在两个主要局限：（1）它们通常是通用嵌入方法，与具体任务无关；（2）这些方法大多只能处理同质网络，忽略了网络的异质性。因此，这里面临的挑战有两个方面：（1）如何在作者识别任务指导下嵌入网络；（2）由于网络的异质性，如何筛选最佳类型的信息。为应对这些挑战，我们提出了一种任务引导与路径增强的异质网络嵌入模型。在我们的模型中，节点首先被嵌入为潜在特征空间中的向量。然后根据任务特定和网络通用目标共享并联合训练嵌入。我们将现有的无监督网络嵌入扩展以纳入异质网络中的元路径，并根据具体任务选择路径。作者识别任务对网络嵌入的指导在联合训练中显式提供，并在元路径选择期间隐式提供。我们的实验表明，通过使用带任务引导的路径增强网络嵌入，我们的模型在识别真实作者方面比现有方法获得显著更好的准确率。
引用
@article{arxiv.1612.02814,
title = {Task-Guided and Path-Augmented Heterogeneous Network Embedding for Author Identification},
author = {Ting Chen and Yizhou Sun},
journal= {arXiv preprint arXiv:1612.02814},
year = {2016}
}
备注
Accepted by WSDM 2017. This is an extended version with appendix