【WSDM2020论文-UIUC】基于多模态图边变分自编码的社交网络关系学（附pdf）

论文题目

Relation Learning on Social Networks with Multi-Modal Graph Edge Variational Autoencoders

论文摘要

虽然节点语义在社会网络中得到了广泛的探索，但对边缘语义的研究，即社会关系的研究却一直受到重视。理想的边缘语义不仅应该显示两个用户是连接的，而且还应该显示他们为什么相互了解以及他们共享什么。然而，由于多模态信号的噪声和用户生成的地面真值标签的有限性，社会网络中的关系很难处理，我们的目标是开发一个统一的、有原则的框架，通过在存在不确定性和不完全数据的情况下集成多模态信号，使用户关系成为社会网络中的边缘语义。我们的框架也适用于有限或缺少监督。具体地说，我们假设每个用户链接下的多个关系的最新分布，并用多模图边变分自编码器学习它们，通过对两个公共DBLP授权网络和两个内部LinkedIn成员网络的大量实验和案例研究，证明了该模型的优越性和有效性。

论文作者

Carl Yang、Jieyu Zhang、Haonan Wang、Sha Li、Myungwan Kim、MaWalkerţ、You Xiaoţ、Jiawei Han,来自伊利诺伊大学香槟分校。