RAFEN — Regularized Alignment Framework for Embeddings of Nodes

要約

タイトル – ノードの埋め込みのための正則化アライメントフレームワークRAFEN
要約 – ノードの表現を学習することは、グラフ機械学習研究の重要な領域の1つである。よく定義されたノード埋め込みモデルは、最終的な埋め込みにノードの機能とグラフ構造の両方を反映する必要がある。動的グラフの場合、機能と構造の両方が時間とともに変化するため、この問題はさらに複雑になる。特定のノードの埋め込みは、グラフの進化中でも比較可能である必要があり、アライメント手順を適用することで達成できる。この手順は、既にノード埋め込みが計算された後に、既存の作品でしばしば適用された。 本論文では、RAFENフレームワークを導入し、学習時にアラインドノード埋め込みを学習することで、既存のいかなるノード埋め込み法も述べられたアライメント項を使用して改良することができる。私たちはフレームワークのいくつかの変種を提案し、6つの実世界データセットでその性能を示した。RAFENは、追加の処理手順を必要とせず、既存のアプローチと同等またはそれ以上の性能を発揮する。

要約(オリジナル)

Learning representations of nodes has been a crucial area of the graph machine learning research area. A well-defined node embedding model should reflect both node features and the graph structure in the final embedding. In the case of dynamic graphs, this problem becomes even more complex as both features and structure may change over time. The embeddings of particular nodes should remain comparable during the evolution of the graph, what can be achieved by applying an alignment procedure. This step was often applied in existing works after the node embedding was already computed. In this paper, we introduce a framework — RAFEN — that allows to enrich any existing node embedding method using the aforementioned alignment term and learning aligned node embedding during training time. We propose several variants of our framework and demonstrate its performance on six real-world datasets. RAFEN achieves on-par or better performance than existing approaches without requiring additional processing steps.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI