图嵌入方法旨在通过将节点映射到低维矢量空间来查找有用的图表。这是一项具有重要下游应用程序的任务,例如链接预测,图形重建,数据可视化,节点分类和语言建模。近年来,图形嵌入领域见证了从线性代数方法转向基于局部的优化方法,结合了随机步行和深神经网络,以解决嵌入大图的问题。但是,尽管优化工具有所改进,但图形嵌入方法仍然是一般设计的,以忽略现实生活网络的特殊性的方式。确实,近年来,理解和建模复杂的现实生活网络取得了重大进展。但是,获得的结果对嵌入算法的发展产生了很小的影响。本文旨在通过设计一种图形嵌入方法来解决此问题,该方法利用网络科学领域的最新有价值的见解。更确切地说,我们基于普及性相似性和局部吸引力范例提出了一种新颖的图形嵌入方法。我们在大量现实生活网络上评估了在链接预测任务上提出的方法的性能。我们使用广泛的实验分析表明,所提出的方法优于嵌入算法的最先进的图。我们还证明了它对数据稀缺性和嵌入维度的选择的稳健性。
translated by 谷歌翻译