结合图嵌入的无监督对抗图对齐
社会与信息网络
2019-07-02 v1 机器学习
摘要
图对齐，又称网络对齐，是社交网络分析中的一项基础任务。许多近期的工作依赖于部分标注的跨图节点对应关系，即锚点链接。然而，由于隐私和安全问题，在多种场景下人工标注锚点链接可能是不可行的。在没有任何锚点链接的情况下对齐两个图是一项关键且具有挑战性的任务。本文提出了一个无监督对抗图对齐（UAGA）框架，以完全无监督的方式（即没有现有的锚点链接，也没有用户的个人资料或属性信息可用）学习两个不同图嵌入空间之间的跨图对齐。所提出的框架学习每个图的嵌入空间，然后尝试通过对抗训练来对齐这两个空间，随后进行细化过程。我们进一步将 UAGA 方法扩展为增量 UAGA（iUAGA），基于伪锚点链接迭代地揭示未观测到的用户链接。这可用于进一步提高嵌入质量和对齐精度。此外，所提出的方法将有益于一些现实世界的应用，例如社交网络中的链接预测。在真实世界数据上的综合实验证明了我们提出的 UAGA 和 iUAGA 方法在无监督图对齐中的有效性。
引用
@article{arxiv.1907.00544,
title = {Unsupervised Adversarial Graph Alignment with Graph Embedding},
author = {Chaoqi Chen and Weiping Xie and Tingyang Xu and Yu Rong and Wenbing Huang and Xinghao Ding and Yue Huang and Junzhou Huang},
journal= {arXiv preprint arXiv:1907.00544},
year = {2019}
}
备注
10 pages, 4 figures