Multi-perspective Memory Enhanced Network for Identifying Key Nodes in Social Networks

要約

ソーシャル ネットワーク内の主要ノードを特定することは、誤った情報をタイムリーにブロックする上で重要な役割を果たします。
既存のキーノード識別方法は通常、ノードの影響を伝播構造の観点からのみ考慮しており、未知のシナリオに対する一般化能力が不十分です。
この論文では、ソーシャル ネットワークのキー ノードを識別するための新しいマルチパースペクティブ メモリ拡張ネットワーク (MMEN) を提案します。これは、複数の視点からキー ノードをマイニングし、メモリ ネットワークを利用して履歴情報を保存します。
具体的には、MMENはまずユーザー属性と伝播構造の観点から2つの伝播ネットワークを構築し、グラフアテンションネットワークを用いてノード特徴表現を更新します。
一方、メモリ ネットワークは同様のサブグラフの情報を保存するために採用されており、未知のシナリオにおけるモデルの汎化パフォーマンスが向上します。
最後に、MMEN は適応重みを適用して 2 つの伝播ネットワークのノードの影響を結合し、最終的なキー ノードを選択します。
広範な実験により、私たちの方法が以前の方法よりも大幅に優れていることが実証されました。

要約(オリジナル)

Identifying key nodes in social networks plays a crucial role in timely blocking false information. Existing key node identification methods usually consider node influence only from the propagation structure perspective and have insufficient generalization ability to unknown scenarios. In this paper, we propose a novel Multi-perspective Memory Enhanced Network (MMEN) for identifying key nodes in social networks, which mines key nodes from multiple perspectives and utilizes memory networks to store historical information. Specifically, MMEN first constructs two propagation networks from the perspectives of user attributes and propagation structure and updates node feature representations using graph attention networks. Meanwhile, the memory network is employed to store information of similar subgraphs, enhancing the model’s generalization performance in unknown scenarios. Finally, MMEN applies adaptive weights to combine the node influence of the two propagation networks to select the ultimate key nodes. Extensive experiments demonstrate that our method significantly outperforms previous methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google