Content to Node: Self-Translation Network Embedding
阿新 • • 發佈:2018-12-18
簡介
目的:學習網路中節點的低維表示 將利用節點資訊及網路結構識別節點的過程比喻為翻譯的過程 論文引用網路中,每個節點代表一篇論文,每條邊代表引用關係。每個節點自身屬性包括文章的摘要,關鍵詞,研究領域等等。該論文的假設依據是,論文所形成的引用網路與論文自身的屬性之間有較強關係 現有方案: 1. 將結構資訊和屬性資訊分別進行embedding之後,組合 2. 考慮短距離/固定鄰域範圍保留結構資訊(第一/二鄰近) (複雜問題中很難確定鄰域範圍)創新點(貢獻):
提出基於seq2seq 的模型框架(STNE) 利用網路上隨機遍歷生成的序列,將節點內容資訊翻譯成結構資訊,從而結合兩種資訊- 將網路嵌入轉化為 seq2seq 任務,從區域性建模到序列的全域性結構建模,捕獲更多語義資訊
- 設計了一個異構的seq2seq 模型,嵌入原始輸入文字,以端到端的方式學習從節點屬性序列到節點指示序列的對映