异构信息网络表示学习
分类:
异构信息网络表示学习[2018年止]
1 研究意义
现实世界中的各项社会活动都是紧密相连的,比如:社会网络、在线电商系统、论文引用网络等等,这些社会活动都可以表达为一个网络。多种类别的实体、多种类型的联系组成的网络更像一个异构信息网络。目前已有大量的工作进行异构信息网络的分析与挖掘,而异构信息网络嵌入属于其中一个大方向,通常作为下游任务(如:节点分类、链接预测、图分类等)的基础任务。
网络嵌入目标是将网络中的节点表达为一个低维向量,同时能有效保留网络的结构信息。近年来,表示学习发展迅速,图网络嵌入表示学习也取得了巨大成功,日益成为图相关任务必经阶段。
由于论文阅读有限,本文暂且介绍2018年前的部分经典论文。
由于涉及公式、图片,请参见附件。
查看评论
暂无评论