TME-BNA：基于双分量邻居聚合的时序模体保持网络嵌入
社会与信息网络
2021-10-27 v1 机器学习
摘要
演化时序网络作为许多现实动态系统（如社交网络、电子商务）的抽象。时序网络嵌入的目的是将每个节点映射为随时间演化的低维向量，用于链接预测和节点分类等下游任务。时序网络嵌入的难点在于如何联合利用拓扑和时间信息以捕获时序网络的演化。针对此挑战，我们提出一种基于双分量邻居聚合的时序模体保持网络嵌入方法，名为 TME-BNA。考虑到时序模体对理解时序网络的拓扑规律和功能属性至关重要，TME-BNA 基于时序模体构建额外边特征，以显式利用含时间信息的复杂拓扑。为捕获节点的拓扑动态，TME-BNA 利用图神经网络（GNNs）根据连边的时间戳分别聚合历史与当前邻居。在三个公开时序网络数据集上进行了实验，结果表明了 TME-BNA 的有效性。
引用
@article{arxiv.2110.13596,
title = {TME-BNA: Temporal Motif-Preserving Network Embedding with Bicomponent Neighbor Aggregation},
author = {Ling Chen and Da Wang and Dandan Lyu and Xing Tang and Hongyu Shi},
journal= {arXiv preprint arXiv:2110.13596},
year = {2021}
}