符号图存在正负边。
在SGCN算法中,利用平衡理论在各个层之间聚合和传播信息。
设计SGCN的难点在于:
- 因为负向边与正向边本质上是不同的,如何正确地处理负向边?
- 如何在同一个模型里边联合正向边和负向边来学习节点表征。
论文的主要贡献在于:
3. 基于平衡理论设计了SGCN算法。
4. 构建了SGCN的目标函数来高效地学习低维表征。
在论文的邻接矩阵中以 1 1 1表示正向边, − 1 -1 −1表示负向边, 0 0 0表示无边。
在符号图中1和-1的语义是不同的,因此不能把所有的用户归为一类。
Q:什么是平衡理论?
A:朋友的朋友是朋友,朋友的敌人是敌人。
用户在长度 l l l时达到的节点集记做 U i ( l ) U_i(l) Ui(l)(平衡节点), B i ( l ) B_i(l) Bi(l)(不平衡节点)。两个集合的递归定义为:
B i ( l ) = { { u i ∣ u i ∈ N i + } 如 果 l = 1 { u j ∣ u k ∈ B i ( l − 1 ) ∧ u j ∈ N k + } ∪ { u j ∣ u k ∈ U i ( l − 1 ) ∧ u j ∈ N k − } 如 果