属性网络嵌入的目的是结合网络的拓扑结构和节点属性学习低维节点表示。现有的大多数方法要么通过网络结构传播属性,要么通过编码-解码器框架学习节点表示。然而,基于传播的方法倾向于选择网络结构而不是节点属性,而编码-解码器方法倾向于忽略近邻之外的长连接。为了解决这些限制,同时得到这两个方面的优点,我们设计了交叉融合层的无监督属性网络嵌入。具体来说,我们首先构建两个独立的视图来处理网络结构和节点属性,然后设计跨融合层来实现两视图之间灵活的信息交换和集成。交叉融合层的关键设计目标有三方面:1)允许关键信息沿着网络结构传播;2)在传播过程中对每个节点的局部邻域进行异构编码;3)加入额外的节点属性通道,使属性信息不被结构视图所掩盖。在三个数据集和三个下游任务上的大量实验证明了该方法的有效性。

https://cs.nju.edu.cn/yuanyao/static/wsdm2021.pdf

成为VIP会员查看完整内容
25

相关内容

网络搜索和数据挖掘国际会议(WSDM)是关于Web上的搜索和数据挖掘研究的主要会议之一。WSDM在Web和社会Web上发布与搜索和数据挖掘相关的原始的、高质量的论文,着重于搜索和数据挖掘实用而有原则的新模型、算法设计和分析、经济影响,以及对准确性和性能的深入实验分析。 官网地址:http://dblp.uni-trier.de/db/conf/wsdm/
专知会员服务
27+阅读 · 2021年2月17日
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
专知会员服务
44+阅读 · 2021年1月31日
【WSDM2021】通过学习中间监督信号改进多跳知识库问答
专知会员服务
10+阅读 · 2021年1月14日
【WSDM2021】拓扑去噪的鲁棒图神经网络
专知会员服务
26+阅读 · 2020年11月14日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
必读的7篇 IJCAI 2019【图神经网络(GNN)】相关论文
专知会员服务
91+阅读 · 2020年1月10日
基于深度交叉特征的推荐系统
微信AI
9+阅读 · 2019年2月1日
图上的归纳表示学习
科技创新与创业
23+阅读 · 2017年11月9日
基于注意力机制的图卷积网络
科技创新与创业
73+阅读 · 2017年11月8日
结合弱监督信息的凸聚类
计算机研究与发展
6+阅读 · 2017年8月30日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
Interest-aware Message-Passing GCN for Recommendation
Arxiv
12+阅读 · 2021年2月19日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
20+阅读 · 2019年11月23日
VIP会员
相关主题
相关VIP内容
专知会员服务
27+阅读 · 2021年2月17日
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
专知会员服务
44+阅读 · 2021年1月31日
【WSDM2021】通过学习中间监督信号改进多跳知识库问答
专知会员服务
10+阅读 · 2021年1月14日
【WSDM2021】拓扑去噪的鲁棒图神经网络
专知会员服务
26+阅读 · 2020年11月14日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
必读的7篇 IJCAI 2019【图神经网络(GNN)】相关论文
专知会员服务
91+阅读 · 2020年1月10日
相关资讯
基于深度交叉特征的推荐系统
微信AI
9+阅读 · 2019年2月1日
图上的归纳表示学习
科技创新与创业
23+阅读 · 2017年11月9日
基于注意力机制的图卷积网络
科技创新与创业
73+阅读 · 2017年11月8日
结合弱监督信息的凸聚类
计算机研究与发展
6+阅读 · 2017年8月30日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
微信扫码咨询专知VIP会员