异构网络中任务引导的成对嵌入方法

许多由异构网络嵌入方法解决的现实任务可归结为对两个节点间成对关系似然的建模。例如，作者识别任务的目标是建模某篇论文由某作者撰写的似然（论文-作者成对关系）。现有的任务引导嵌入方法以节点为中心，仅通过度量节点嵌入间的相似度来计算两节点间成对关系的似然。然而，我们主张对于任务引导嵌入，关键在于直接建模成对关系。本文提出一种异构网络中新颖的任务引导成对嵌入框架，称为TaPEm，其直接建模与特定任务相关的一对节点间的关系（如作者识别中的论文-作者关系）。为此，我们 1）提出在其关联上下文路径（即两节点间的节点序列）引导下学习成对嵌入，并 2）设计成对有效性分类器以区分该成对相对于手头特定任务是否有效。通过引入捕捉成对关系背后语义的成对嵌入，我们能够学习两节点间细粒度的成对关系，这对任务引导嵌入方法至关重要。在作者识别任务上的大量实验表明，TaPEm优于SOTA方法，尤其对于发表论文记录较少的作者。