文献

J-GLOBAL ID：202002238923997971   整理番号：20A1867892

DeepWalk,LINE,PTEおよびノード2vecを統一する行列因数分解としてのネットワーク埋込み【JST・京大機械翻訳】

Network Embedding as Matrix Factorization Unifying DeepWalk, LINE, PTE, and node2vec

著者 (6件)： Qiu Jiezhong (Tsinghua University & Microsoft Research, Beijing, China) ,  Dong Yuxiao (Microsoft Research, Redmond, WA, USA) ,  Ma Hao (Microsoft Research, Redmond, WA, USA) ,  Li Jian (Tsinghua University, Beijing, China) ,  Wang Kuansan (Microsoft Research, Redmond, WA, USA) ,  Tang Jie (Tsinghua University, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’18  ページ： 459-467  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 単語2vecの発明以来,スキップグラムモデルは,DeepWalk,LINE,PTE,およびノード2vecアプローチの最近の出現のようなネットワーク埋込みの研究を著しく進める。本研究では,負サンプリングによる前述のモデルの全てを,閉形式を持つ行列因数分解フレームワークに統一できることを示した。著者らの解析と証明は,以下を明らかにした。(1)深いWalkは,ネットワーク正規化ラプラシアン行列の低ランク変換を経験的に生成する。(2)理論におけるLINEは,頂点のコンテキストのサイズを1に設定するとき,DeepWalkの特殊ケースである。(3)LINEの拡張として,PTEは多重ネットワーク≫ラプラシアンの共同因数分解として見ることができる。(4)ノード2vecは,2次ランダムウォークの定常分布および遷移確率テンソルに関連する行列を因数化する。さらに,スキップグラムベースのネットワーク埋込みアルゴリズムとグラフラプラシアンの理論の間の理論的接続を提供した。最後に,ネットワーク埋込みを計算するための近似アルゴリズムと同様にNetMF法を示した。この方法は,従来のネットワークマイニングタスクに対して,深いWalkとLINEに対して大幅な改善を提供する。本研究は,潜在ネットワーク表現学習のより良い理解を導く,スキップグラムベースのネットワーク埋込み方法の理論的基礎を築く。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  遷移確率 ,  テンソル ,  *ネットワーク ,  *因数分解 ,  スペクトル ,  多重化 ,  酔歩 ,  正規化 ,  単語 ,  Laplace演算子
準シソーラス用語： 近似アルゴリズム ,  閉形式 ,  Laplacian行列 ,  *行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフスペクトル ,  行列因数分解 ,  ネットワーク埋込み ,  表現学習 ,  社会ネットワーク

分類 (1件)： 通信網  (ND07030A)

タイトルに関連する用語 (5件)： LINE ,  PTE ,  ノード ,  行列因数分解 ,  埋込み