Unsupervised Attributed Dynamic Network Embedding with Stability Guarantees

要約

動的ネットワーク埋め込みの安定性により、異なる時間に同じように動作するノードが同じ埋め込みを受信し、ネットワーク内のノードを時間をかけて比較できるようになります。
展開された隣接スペクトル埋め込み（auase）は、ノードが時変共変量情報で起因する動的ネットワークの安定した監視されていない表現学習フレームワークであると考えています。
安定性を確立するために、関連する潜在的位置モデルへの均一な収束を証明します。
3つの実際の属性ネットワークの最先端のネットワーク表現学習方法と比較することにより、動的埋め込みの利点を定量化します。
私たちの知る限り、auaseは、グラウンドトゥルースラベルを必要とせずに安定性保証を満たす唯一の属性の動的埋め込みです。これは、リンク予測とノード分類の大幅な改善を提供します。

要約(オリジナル)

Stability for dynamic network embeddings ensures that nodes behaving the same at different times receive the same embedding, allowing comparison of nodes in the network across time. We present attributed unfolded adjacency spectral embedding (AUASE), a stable unsupervised representation learning framework for dynamic networks in which nodes are attributed with time-varying covariate information. To establish stability, we prove uniform convergence to an associated latent position model. We quantify the benefits of our dynamic embedding by comparing with state-of-the-art network representation learning methods on three real attributed networks. To the best of our knowledge, AUASE is the only attributed dynamic embedding that satisfies stability guarantees without the need for ground truth labels, which we demonstrate provides significant improvements for link prediction and node classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google