【WWW2021】通过互信息最大化的二部图嵌入

由于二部图在各种应用领域中得到了广泛的应用，因此嵌入二部图引起了人们的广泛关注。以往的方法大多采用基于随机行走或基于重构的目标，对学习局部图结构是典型的有效方法。但是，二部图的全局性质，包括同构节点的社区结构和异构节点的远程依赖关系，并没有很好地保存下来。在本文中，我们提出了一种称为BiGI的二部图嵌入，通过引入一个新的局部-全局信息目标来捕获这种全局性质。具体来说，BiGI首先生成一个由两个原型表示组成的全局表示。然后BiGI通过提出的子级注意机制将采样的边缘编码为局部表示。BiGI通过最大化局部表示和全局表示之间的互信息，使二部图中的节点具有全局相关性。我们的模型在各种基准数据集上评估top-K推荐和链接预测任务。大量的实验证明BiGI在最先进的基线上实现了一致和显著的改进。详细的分析验证了二部图全局性质建模的有效性。

地址：

https://www.zhuanzhi.ai/paper/342717df9c700c14198cb2c83bf632bb

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“BIGI” 可以获取《【WWW2021】通过互信息最大化的二部图嵌入》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源