自适应映射网络嵌入

融合非线性结构

通过可训练的核映射与注意力融合，将网络结构与节点属性协同嵌入，提升下游任务预测性能。

Ge, Youming · Cong, Huang · Liu, Yubao · Zhang, Sen · Kong, Weiyang

Frontiers of Computer Science 2024

参数信息

数据集数量

7

技术优势

捕捉非线性

使用核映射获取节点属性与网络结构的非线性特征表示，增强嵌入表达能力。

自适应融合

通过注意力层自适应学习节点嵌入，自动平衡节点属性与网络结构的贡献。

可训练映射

网络结构映射函数可训练，能够根据数据自适应调整，提升嵌入质量。

应用场景

• 社交网络分析：用学到的节点嵌入做社群发现、影响力分析等。
• 节点分类：将嵌入作为特征输入分类器，提升节点类别预测精度。
• 链接预测：根据节点嵌入相似度推断潜在连边，提升预测性能。
• 推荐系统：用节点嵌入表示用户和物品，改进推荐效果。
• 图表示学习：提供融合节点属性与网络结构的嵌入方法，提升图任务表现。