无监督可微分多方面网络嵌入

网络嵌入是一种有影响力的图挖掘技术，用于将图中节点表示为分布式向量。然而，大多数网络嵌入方法侧重于为每个节点学习单一向量表示，近来被批评为无法建模节点的多个方面。为捕捉每个节点的多个方面，现有研究主要依赖于在实际嵌入之前进行的离线图聚类，这导致每个节点的簇成员身份（即节点方面分布）在嵌入模型训练期间固定不变。我们认为这不仅使每个节点无论其动态上下文如何始终具有相同的方面分布，而且阻碍了模型的端到端训练，最终导致最终嵌入质量高度依赖于聚类。本文提出一种称为asp2vec的新颖端到端多方面网络嵌入框架，其中每个节点的方面根据其局部上下文动态分配。更确切地说，我们在多个方面中基于节点当前上下文动态分配单一方面给每个节点，且我们的方面选择模块通过Gumbel-Softmax技巧实现端到端可微分。我们还引入方面正则化框架，以从相关性与多样性角度捕捉多方面间的交互。我们进一步证明所提框架可轻易扩展至异构网络。在各种类型同质网络与一异构网络上针对多种下游任务的广泛实验展示了asp2vec的优越性。