Line:一种适应于大型网络的network Embedding策略
来源:互联网 发布:数据挖掘就业方向 编辑:程序博客网 时间:2024/06/09 12:32
这篇博客主要参考了唐建在2015年WWW会议上的论文《LINE: Large-scale Information Network Embedding》。这篇论文也是我2017年7月份在MSRA实习的时候通过微软内部的技术分享听到的,当时也是唐建本人直接讲的,话不多说开始直接讲模型。
正如题目所说的,line这个模型就是把一个大型网络中的节点根据其关系的疏密程度映射到向量空间中去,使联系紧密的节点被投射到相似的位置中去,而在网络中衡量两个节点联系紧密程度一个重要的指标就是这两个节点之间边的权值。在这篇文章中作者在建模的时候不仅仅只考虑了一阶的关系,即两个点之间直接有较大权值的边相连就认为它们比较相似;同时考虑了二阶关系,即两个点也许不直接相连,但是如果它们的一阶公共好友比较多那么它们也被认为是比较相似的。基于这两个角度的思考,作者提出了两个模型。
Model 1:Line with First-order Proximity
该模型只适用于无向图,对于一条无向边(i,j),那么定义该边的两个端点
Model 2:Line with Second-order Proximity
从名字上就可以看出这个模型考虑节点之间二阶关系的影响,这个模型适合在有向图中使用,(对于无向图,可以通过把一个无向边复制成两个有向边,进行转换)。既然是有向图,一个节点在一条边的关系中就可能作为出度点和入度点这两种角色(分别是u和t),那么既然有两种不同的角色,作者就给每一个节点两个词向量,分别对应其两种不同的功能。比方说对于一条有向边(i,j)(指的是从i指向j)
整个模型其实已经讲解完了,如果为了使网络同时保持一阶和二阶的信息,一种最简单的方式就是把model1和model2生成的向量进行拼接。其实最佳的方式应该是一阶和二阶进行联合训练,这也是作者的未来工作。
在模型具体的训练优化方面,作者也给出了一些参考建议,非常值得去学习:
1 在训练model2的时候,观察式子
2 在对model2中目标函数进行求解优化的时候,当对
(PS:在2017年在北邮举办的Google开发者节上,一位来自北大的同学使用Tensorflow实现了Line的代码,这里给出网址希望大家多多学习:https://github.com/snowkylin/line)
- Line:一种适应于大型网络的network Embedding策略
- LINE:Large-Information Network Embedding
- LINE:Large-scale Information Network Embedding介绍
- Siamese network embedding 该例子是利用Caffe完成Siamese网络的特征抽取和plotting的例子。本文为了运行于本机,只做了细微修改和中文说明,原始文件来源于Ca
- 【读论文】唐建LINE那篇论文:LINE: Large-scale Information Network Embedding
- GAN在网络表示中的应用--GraphGAN、Adversarial Network Embedding
- PHP不能适应大型应用的理由
- 适应于各种屏幕的分辨率的
- 大型网站的优化策略
- 于大型网站的优化建议
- 获取id 的一种策略
- 适应于多种手机分辨率的智能家居版本app
- 前端技术适应于不同的客户端展示
- 论文笔记之Structural Deep Network Embedding
- NE(Network Embedding)论文小览
- 《Attributed Social Network Embedding》论文学习笔记
- 《Attributed Social Network Embedding》论文学习笔记
- SQL Network error 26的一种可能
- [框架安装趟雷指南]Ubuntu+1060+cuda+cudnn+Keras+TH+TF+MXnet(转自知乎) 附带装mxnet0.9.5版本
- 使用jqueryui的日期控件
- Android Studio ToggleButton 使用
- 原装js模仿的淘宝首页无缝轮播图
- 霍尔电流传感器
- Line:一种适应于大型网络的network Embedding策略
- Python开发环境搭建
- 超全!基于Java的机器学习项目、环境、库...
- 封装 解析时间
- mbedTLS中的握手建立操作
- ztree使用设置
- 利用友元求坐标俩点之间的距离
- oralce,创建分区,子分区表,分区索引,查询分区对应的数据sql
- 使用log4j发送日志到远程ELK平台