×
吕少清；向、菊；冯靖宇；王洪刚；陆光岳；李敏

基于边缘重加权预处理的社区增强网络嵌入。 （英语） Zbl 1459.68162号

《统计力学杂志》。理论实验。 2020年，第10期，文章ID 103403，18页（2020年）.
摘要：网络嵌入近年来受到了广泛关注。它将网络中的节点表示为一个低维向量空间，同时保持网络的特性。已经提出了一些方法（例如ComE、MNMF和CARE）来在网络嵌入中保持社区特性，并且在一些下游网络分析任务中取得了良好的结果。然而，由于节点在嵌入后可能会丢失重要的结构信息，因此仍然存在重大挑战。为了解决这个问题，我们提出了一个基于边缘重加权的网络嵌入社区结构增强框架。通过边缘重加权，社区内边缘的权重增加，而社区间边缘的权重减少。因此，嵌入后，同一社区中的节点比嵌入空间中不同社区的节点更接近彼此。我们将边缘重加权作为网络嵌入的预处理阶段，通过将增强的社区结构合并到原始网络中来构建增强网络。通过这样做，来自增强网络的嵌入向量可以更好地执行所有下游网络分析任务。利用合成数据集和真实世界数据集，对两个网络分析任务（社区检测和节点分类）进行了广泛的实验。结果表明，我们的方法优于最新的网络嵌入方法。

MSC公司：

68兰特 计算机科学中的图论（包括图形绘制）
05C80号 随机图（图形理论方面）
05C82号 小世界图形、复杂网络（图形理论方面）
68T05型 人工智能中的学习和自适应系统
68瓦40 算法分析

关键词：

随机图；网络；聚类技术；算法分析

软件：

节点2vec；t-SNE公司；metatah2vec；GraRep公司；单词2vec；斯坦福·塔格；DeepWalk公司；线路
PDF格式BibTeX公司 XML格式引用
\textit{S.Lv}等人，J.Stat.Mech。理论实验2020，第10期，文章ID 103403，18页（2020；Zbl 1459.68162）
全文： 内政部

参考文献：

[1] Cui P，Wang X，Pei J和Zhu W 2018网络嵌入调查IEEE Trans。知识。数据工程31 833-52·doi:10.1109/tkde.2018.2849727
[2] Perozzi B、Al-Rfou R和Skiena S，2014年《Deepwalk：社交表征在线学习程序》。第20届ACM SIGKDD知识发现和数据挖掘国际会议（纽约：ACM）701-10
[3] Grover A和Leskovec J 2016 node2vec：网络可扩展特征学习。第22届ACM SIGKDD国际知识发现和数据挖掘大会（纽约：ACM）855-64·doi:10.1145/2939672.29339754
[4] Zhang F，Yuan N J，Lian D，Xie X和Ma W-Y 2016推荐系统协作知识库嵌入Proc。第22届ACM SIGKDD知识发现和数据挖掘国际会议（纽约：ACM）353-62·数字对象标识代码：10.1145/2939672.29396673
[5] Wang X，Cui P，Wang J，Pei J，Zhu W，Yang S 2017年社区保护网络嵌入第31届AAAI人工智能会议
[6] Cavallari S、Zheng V W、Cai H、Chang Kevin C-C和Cambria E 2017学习社区嵌入，在图Proc上嵌入社区检测和节点。2017年ACM信息与知识管理大会（纽约：ACM）377-86
[7] Keikha M M、Rahgozar M和Asadpour M 2018网络嵌入知识的社区感知随机行走-基于系统148 47-54·doi:10.1016/j.knosys.2018.02.028
[8] Jin D、You X、Li W、He D、Cui P、Fogelman SouliéF和Chakraborty T 2019将网络嵌入马尔可夫随机场以更好地进行社区检测第33届AAAI人工智能大会
[9] Xiang J等人2016利用当地结构信息加强社区检测J.Stat.Mech。033405 ·Zbl 1457.91314号 ·doi:10.1088/1742-5468/2016/03/033405
[10] Cai H，Zheng V W和Chang K C-C 2018图形嵌入综合综述：问题、技术和应用IEEE Trans。知识。数据工程30 1616-37·doi:10.1109/tkde.2018.2807452
[11] Goyal P和Ferrara E 2018图形嵌入技术、应用程序和性能：调查知识-基于系统151 78-94·doi:10.1016/j.knosys.2018.03.022
[12] Zhang D、Yin J、Zhu X和Zhang C 2020网络表征学习：一项调查IEEE Trans。大数据6 3-28·doi:10.1109/TBDATA.2018.2850013
[13] Mikolov T 2013单词和短语的分布式表示及其在神经信息处理系统中的组成进展26 3111-9
[14] Cao S、Lu W和Xu Q 2015 Grarep：使用全局结构信息学习图形表示Proc。第24届ACM国际信息与知识管理大会（纽约：ACM）891-900
[15] 唐J，瞿M，王M，张M，严J，梅Q 2015线路：大型信息网络嵌入程序。第24届万维网国际会议1067-77
[16] Zhang Y、Lyu T和Zhang Y2018余弦：第32届AAAI人工智能大会信息扩散级联中的社区保护社交网络嵌入
[17] Wang D、Cui P和Zhu W 2016《结构深层网络嵌入程序》。第22届ACM SIGKDD知识发现和数据挖掘国际会议（纽约：ACM）1225-34·doi:10.1145/2939672.29339753
[18] Cao S、Lu W和Xu Q 2016用于学习图形表示的深度神经网络第30届AAAI人工智能大会
[19] Zhang Z、Yang H、Bu J、Zhou S、Yu P和Zhang J 2018 Martin Ester和Can Wang。Anrl:基于深度神经网络的属性网络表征学习IJCAI18 3155-61
[20] Yu W、Zheng C、Cheng W、Aggarwal C C和Wang W 2018与敌方正规化自动编码器学习深度网络表示第24届ACM SIGKDD国际知识发现和数据挖掘大会·doi:10.1145/3219819.3220000
[21] Wang S、Tang J、Aggarwal C、Chang Y和Liu H 2017签署社交媒体程序中的网络嵌入。2017年SIAM数据挖掘国际会议（宾夕法尼亚州费城：SIAM）327-35
[22] Yuan S，Wu X和Yang X 2017 Sne：签署网络嵌入太平洋亚洲知识发现和数据挖掘会议（柏林：施普林格）183-95·doi:10.1007/978-3-319-57529-2_15
[23] Kim J、Park H、Lee J-E和Kang U 2018 Side:签约定向网络中的表征学习。2018年万维网大会509-18
[24] Gao M，Chen L，He X，Zhou A 2018 Bine：二方网络嵌入第41届国际ACM SIGIR信息检索研发会议（纽约：ACM）715-24
[25] Li J、Dani H、Hu X、Tang J、Chang Y和Liu H 2017动态环境下学习的归因网络嵌入程序。2017年ACM信息与知识管理大会（纽约：ACM）387-96
[26] Zhu D，Cui P，Zhang Z，Pei J和Zhu W 2018动态网络IEEE Trans的高阶近似保持嵌入。知识。数据工程30 2134-44·doi:10.1109/TKDE.2018年282283
[27] Du L，Wang Y，Song G，Lu Z和Wang J 2018动态网络嵌入：基于skip-gram的网络嵌入扩展方法IJCAI 2086-92
[28] Dong Y、Chawla N V和Swami A 2017 metapath2vec：异构网络的可扩展表示学习。第23届ACM SIGKDD国际知识发现和数据挖掘大会（纽约：ACM）135-44
[29] Xu L，Wei X，Cao J和Philip S Y 2017嵌入（eoe）：耦合异构网络的联合嵌入Proc。第十届ACM网络搜索和数据挖掘国际会议（纽约：ACM）741-9
[30] Chang S、Han W、Tang J、Qi G-J、Aggarwal C C和Huang T S 2015通过深度架构嵌入异构网络Proc。第21届ACM SIGKDD国际知识发现和数据挖掘大会（纽约：ACM）119-28·doi:10.1145/2783258.2783296
[31] van der Maaten L和Hinton G 2008使用t-sne J.Mach可视化数据。学习。决议9 2579-605·Zbl 1225.68219号
[32] Lai D，Lu H和Nardini C 2010通过随机行走网络预处理Phys增强了基于模块性的社区检测。版本E 81 066118·doi:10.1103/physreve.81.066118
[33] Pons P和Latapy M 2005大型网络中使用随机漫步的计算社区Int.Symp。计算机和信息科学（柏林：施普林格）284-93
[34] Xiang J等人2019年通过渐进惊喜J.Stat.Mech确定网络中的多尺度社区。033403 ·Zbl 07382810号
[35] Benesty J、Chen J、Huang Y和Cohen I，2009年Pearson相关系数语音处理降噪（柏林：Springer），第1-4页
[36] Parlett B N和Scott D S 1979具有选择性正交化数学的lanczos算法。计算33 217-38·Zbl 0405.65015号 ·doi:10.1090/s0025-5718-1979-0514820-3
[37] Fortunato S和Hric D 2016网络中的社区检测：用户指南Phys。代表659 1-44·doi:10.1016/j.physrep.2016.09.002
[38] Lancichinetti A、Fortunato S和Radicchi F 2008社区检测算法Phys测试基准图。版本E 78 046110·doi:10.1103/physreve.78.046110
[39] Tang L和Liu H 2009通过潜在社会维度进行关系学习Proc。第15届ACM SIGKDD知识发现和数据挖掘国际会议817-26
[40] Stark C等人2010生物网格相互作用数据库：2011年更新核酸研究39 D698-704·doi:10.1093/nar/gkq1116
[41] Toutanova K、Klein D、Manning C D和Singer Y 2003使用循环依赖网络Proc进行功能丰富的部分语言标记。2003年人类语言技术计算语言学协会北美分会会议173-80
[42] 邱J、董毅、马赫、李杰、王凯和唐J 2018网络嵌入作为矩阵分解：统一deepwalk、line、pte和node2vec Proc。第11届ACM网络搜索和数据挖掘国际会议（纽约：ACM）459-67
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。