异构图的图嵌入（元路径）

最新推荐文章于 2024-04-24 09:49:18 发布

码农_Xiao

最新推荐文章于 2024-04-24 09:49:18 发布

阅读量3.3k

点赞数

分类专栏：图嵌入文章标签：知识图谱人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/TUtou_XiaoGe/article/details/122317314

版权

图嵌入专栏收录该内容

4 篇文章 0 订阅

订阅专栏

目录

1.基于元路径的信息提取器

MetaPath2vec

在异构图中，不同类型的节点和边具有不同的语义含义。因此，对于异构网络嵌入，不仅要关注节点之间的结构相关性，还要关注节点之间的语义相关性。metapath2vec (Dong et al.， 2017)被提出来捕捉节点之间的这两种相关性。接下来，我们详细介绍metapath2vec (Dong et al.， 2017)算法，包括其提取器、重构器和目标。注意，metapath2vec中的映射函数与DeepWalk相同。

1.基于元路径的信息提取器

为了同时捕获结构和语义相关性，引入了基于元路径的随机游走来提取共现信息。

定义一个元路径，其中A是各种类型的节点，R是各种类型的边。而一个元路径遵循的元路径模式，即元路径的节点和边的类型都遵循一个元路径模式对应的节点的类型和变得类型。

通过元路径模式来引导随即游走。而每一个元路径都是基于这个模式下随机游走的实例。

因此定义以元路径模式随机游走的概率可以表示为

（1）

其中 $\large v^{\left ( t \right )}$ 表示元路径中节点类型 $\large A_{t}$ 的节点

表示 $\large v^{\left ( t \right )}$ 的邻域集合中节点类型为 $\large A_{t+1}$ ，并且与节点 $\large v^{\left ( t \right )}$ 通过类型为 $\large R_{t}$ 的边连接的节点 $\large v^{\left ( t+1 \right )}$ 。可以表示为：

按照（1）中的概率生成元路径模式下的随机游走后，按照deepwalk中的共现抽取器来抽取元组（vcon,vcen）共现表 $\large I$ 。

2.重构器

通常一般又两种重构器，一个是和DeepWalk中的重构器一样的。另一个是为每一种节点类型定义一个多项分布式而不是所有节点上单一分布。

对于一个节点类型为nt的节点，则从给点给节点 $\large v_{i}$ 观察到 $\large v_{j}$ 的概率为：

（2）

其中 $\large V_{nt}$ 是所有节点类型为nt的节点集合。

3.构造目标

可以采用以上两种重构器后在根据deepwalk的方法构造目标

关注

0
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
异构图的图嵌入（元路径）

目录MetaPath2vec1.基于元路径的信息提取器2.重构器3.构造目标MetaPath2vec在异构图中，不同类型的节点和边具有不同的语义含义。因此，对于异构网络嵌入，不仅要关注节点之间的结构相关性，还要关注节点之间的语义相关性。metapath2vec (Dong et al.， 2017)被提出来捕捉节点之间的这两种相关性。接下来，我们详细介绍metapath2vec (Dong et al.， 2017)算法，包括其提取器、重构器和目标。注意，metapath2vec中的
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。