스트록2벡

Struc2vec

struc2vec은 구조 [1]정체성을 보존하는 그래프에 노드 벡터 표현을 생성하는 프레임워크입니다.노드 임베딩을 최적화하여 그래프 내의 인근 노드가 유사한 임베딩을 갖도록 하는 node2vec과는 대조적으로 strc2vec은 구조적으로 유사한 노드가 그래프에서 멀리 떨어져 있더라도 노드의 역할을 그래프에 캡처합니다.그래프의 노드에 대한 저차원 표현을 학습하여 각 그래프 노드에서 시작하는 구성된 다중 계층 그래프를 통해 랜덤 워크를 생성한다.다운스트림 애플리케이션이 노드의 구조적 동등성과 더 관련이 있는 머신 러닝 애플리케이션에 유용하다(예를 들어, 기업의 소셜 네트워크의 인턴 등, 유사한 기능을 가지는 네트워크의 노드를 검출하는 데 사용할 수 있다).strc2vec은 그래프 구조만을 기반으로 유사한 역할을 하는 노드를 식별합니다.예를 들어 소셜 네트워크 [2]내 개인의 구조적 정체성을 계산합니다.특히 strc2vec은 쌍별 구조적 역할 유사성을 측정하기 위해 정도 기반 방법을 사용하며, 이는 다층 그래프를 구축하기 위해 채택된다.또한 노드의 잠재적 표현 사이의 거리는 노드의 구조적 유사성과 강하게 관련된다.프레임워크에는 검토되는 정도 시퀀스의 길이를 줄이고, 쌍별 유사성 계산의 수를 줄이고, 생성된 그래프의 레이어 수를 줄이는 세 가지 최적화가 포함됩니다.

struc2vec은 그래프를 무작위로 걸어가는 것이 말뭉치에서 문장으로 취급될 수 있다는 직관을 따른다.그래프 내의 각 노드는 개별 단어로 처리되며 짧은 랜덤 워크는 문장으로 처리된다.마지막 단계에서 알고리즘은 편향된 랜덤 [3]워크를 기반으로 임베딩을 학습하기 위해 Gensim의 Word2vec 알고리즘을 사용한다.노드의 시퀀스는 스킵그램 또는 연속된 워드백에 공급되며 분류를 위한 기존의 기계학습 [4]기법을 사용할 수 있다.구조적 등가성을 기반으로 노드 임베딩을 학습하는 데 유용한 프레임워크로 간주됩니다.

레퍼런스

  1. ^ Hamilton, Willian L.; Ying, Rex; Leskovec, Jure (2017). "Representation learning on graphs: Methods and applications". IEEE Data Engineering Bulletin: 1. arXiv:1709.05584.
  2. ^ "Deep Learning on Graphs, Chapter 4 Graph Embedding" (PDF).
  3. ^ Colyer, Adrian (2017). "Struc2vec: learning node representations from structural identity". The Morning Paper.
  4. ^ Ribeiro, Leonardo F. R.; Savarese, Pedro H. P.; Figueiredo, Daniel R. (2017). "struc2vec: Learning Node Representations from Structural Identity". KDD : Proceedings. International Conference on Knowledge Discovery & Data Mining. 2017: 385–394. arXiv:1704.03165. doi:10.1145/3097983.3098061. S2CID 3948366.