Neural Link Prediction Over Aligned Networks
Summary
这篇文章是如何利用对齐的两个网络增强一个网络中的链路预测性能。对于特征分别利用深度网络进行提取,最后一起用来进行链路预测。
链路预测问题,不是社交网络对齐问题。
Research Objective
给定两个对齐的网络,本文的目标是对这两个网络进行联合建模,以提高两个网络的预测质量。
提出一个基于对齐网络的多层神经网络框架 MNN, 在该框架中,将每个异质目标或特征视为一个单独的目标通道。分别为每个目标通道构造一个神经网络,而所有的神经网络共享一组公共的顶点嵌入。
Problem Statement
Link Prediction
单个网络的链路预测问题可以分为基于相似性的方法和基于模型的方法。
Similarity-based
为每一对节点分配相似性分数,然后根据相似性分数进行链路预测。
- common neighbors
- Leicht-Holme-Newman index
- node rank based algorithms
Model-based
基于网络结构或连接机制的假设建立模型,然后用观测到的网络结构去训练网络
- hierarchical graph based models 基于层次图的模型
- latent factor models
- 深度模型
- DeepWork:DeepWalk将节点视为单词,将随机游动序列视为句子,然后应用单词嵌入技术来计算顶点嵌入。
- node2vec:biased random walk
- SDNE
Network Alignment
Multi-Task Learning
Aligned Network
Methods
Evaluation
Conclusion
Notes
- 本文作者: Kelly Liu
- 本文链接: http://tiantianliu2018.github.io/2019/10/19/论文阅读《Neural-Link-Prediction-Over-Aligned-Networks》-AAAI18/
- 版权声明: 本博客所有文章除特别声明外,均采用 MIT 许可协议。转载请注明出处!