随笔分类 -  网络表征学习

网络表征 (network embedding) 学习笔记
摘要:[论文阅读笔记] Adversarial Mutual Information Learning for Network Embedding 本文结构 解决问题 主要贡献 算法原理 实验结果 参考文献 (1) 解决问题 现有的基于GAN的方法大多都是先假设服从一个高斯分布,然后再来学习节点嵌入(匹配 阅读全文
posted @ 2021-06-12 09:52 沁泽 阅读(600) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Unsupervised Attributed Network Embedding via Cross Fusion 本文结构 解决问题 主要贡献 算法原理 实验结果 参考文献 (1) 解决问题 现在常常用来处理属性网络表征的方式有两种:(1)在网络结构上传播属性(2)通过自编码器 阅读全文
posted @ 2021-06-06 14:41 沁泽 阅读(553) 评论(1) 推荐(0) 编辑
摘要:[论文阅读笔记] Adversarial Learning on Heterogeneous Information Networks 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 现有的异构网络(HIN)嵌入方法本质上可以归结为两个步骤(1)正样本生成和负样本生成(2)在这些 阅读全文
posted @ 2021-06-05 09:00 沁泽 阅读(613) 评论(1) 推荐(0) 编辑
摘要:[论文阅读笔记] Structural Deep Network Embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 现有的表示学习方法大多采用浅层模型,这可能不能捕获具有高度非线性的网络结构,导致学习到一个局部最优的节点向量表示。 (2) 主要贡献 Contri 阅读全文
posted @ 2021-06-04 22:14 沁泽 阅读(591) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] LouvainNE: Hierarchical Louvain Method for High Quality and Scalable Network Embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 本篇论文是针对现有表征算法计算开销比较大 阅读全文
posted @ 2021-06-02 19:17 沁泽 阅读(296) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Are Meta-Paths Necessary? Revisiting Heterogeneous Graph Embeddings 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 传统的异构网络中的随机游走常常偏向于采样节点数比较多的节点类型。为了克服该问题 阅读全文
posted @ 2021-05-31 21:10 沁泽 阅读(326) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Community aware random walk for network embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 先前许多算法都只考虑了网络的局部拓扑结构信息,忽略了原始网络中潜藏的社区信息。 (2) 主要贡献 Contribu 阅读全文
posted @ 2021-05-30 09:23 沁泽 阅读(242) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Fast Network Embedding Enhancement via High Order Proximity Approximation 本文结构 解决问题 主要贡献 主要内容 参考文献 (1) 解决问题 大多数先前的工作,要么是没有考虑到网络的高阶相似度(如谱聚类,De 阅读全文
posted @ 2021-05-19 19:46 沁泽 阅读(326) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] HARP Hierarchical Representation Learning for Networks 本文结构 解决问题 主要贡献 主要内容 参考文献 (1) 解决问题 DeepWalk及之后一系列基于神经网络算法,比如LINE,node2vec等等都取得了非常大的成功。但 阅读全文
posted @ 2021-05-18 22:20 沁泽 阅读(438) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] node2vec:Scalable Feature Learning for Networks 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 由于DeepWalk的随机游走是完全无指导的随机采样,即随机游走不可控。本文从该问题出发,设计了一种有偏向的随机游走策 阅读全文
posted @ 2021-01-07 21:54 沁泽 阅读(575) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] metapath2vec: Scalable Representation Learning for Heterogeneous Networks 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 解决异构网络上的节点嵌入问题。 论文中指出了异构网络嵌入的两个关键 阅读全文
posted @ 2020-12-27 14:08 沁泽 阅读(1305) 评论(0) 推荐(2) 编辑
摘要:[论文阅读笔记] RoSANE: Robust and scalable attributed network embedding for sparse networks 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 大多现有的ANE (attributed network e 阅读全文
posted @ 2020-11-10 07:52 沁泽 阅读(350) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Network Embedding with Attribute Refinement 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 根据同质性假设,相似的节点往往会连到一起,属性上相似的节点往往在拓扑上也会由相连。但是有些真实网络的属性并不是很好,即节点属性 阅读全文
posted @ 2020-11-10 07:50 沁泽 阅读(244) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] A Multilayered Informative Random Walk for Attributed Social Network Embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 大多数现有的无监督属性网络表征算法都没有区分节点边结构和 阅读全文
posted @ 2020-11-10 07:49 沁泽 阅读(414) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Large-Scale Heterogeneous Feature Embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 综合考虑网络中节点的各种信息来源,从而学习到一个统一的节点表示能够提高下游任务的精度。然而,异构特征信息限制了现有属性网络表征 阅读全文
posted @ 2020-11-10 07:47 沁泽 阅读(397) 评论(1) 推荐(0) 编辑
摘要:[论文阅读笔记] Community-oriented attributed network embedding 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 大多数现有方法在网络表征过程仅仅保留了节点的局部结构特征,忽略了他们的社区信息和丰富的属性信息。 (2) 主要贡献 C 阅读全文
posted @ 2020-11-10 07:46 沁泽 阅读(307) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] Fast Sequence Based Embedding with Diffusion Graphs 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 随机游走向外扩散(往距离源点较远的区域)得相对较慢,又可能重复遍历一个节点很多很多次从而生成冗余的信息。 (2 阅读全文
posted @ 2020-10-15 09:20 沁泽 阅读(515) 评论(0) 推荐(0) 编辑
摘要:[论文阅读笔记] GEMSEC: Graph Embedding with Self Clustering 本文结构 解决问题 主要贡献 算法原理 参考文献 (1) 解决问题 已经有一些工作在使用学习到的节点表示来做社区发现,但是仅仅局限在得到节点表示之后使用聚类算法来得到社区划分,简单说就是节点表 阅读全文
posted @ 2020-10-15 09:17 沁泽 阅读(684) 评论(0) 推荐(0) 编辑
摘要:Relation Structure-Aware Heterogeneous Information Network Embedding(RHINE) (AAAI 2019) 本文结构 (1) 解决问题 (2) 主要贡献 (3) 算法原理 (4) 实验结果 (5) 参考文献 在文献阅读的基础上加入了 阅读全文
posted @ 2020-09-13 15:00 沁泽 阅读(663) 评论(0) 推荐(0) 编辑
摘要:LINE Abstract LINE 是一种将大规模网络结点表征成低维向量的算法,可很方便用于网络可视化,结点分类,链路预测,推荐。 source code Advantage LINE相比于其他算法来说有如下几点优势: 适用于大规模网络。 有明确的目标函数(这一点DEEPWALK是没有的,DW没有 阅读全文
posted @ 2019-01-16 16:12 沁泽 阅读(2065) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示