本次要总结和分享的论文是 LINE: Large-scale Information Network Embedding，其链接 论文[1]，所参考的实现代码 code[2]，这篇论文某些细节读起来有点晦涩难懂，不易理解，下面好好分析下。
论文动机和创新点
information network 在现实世界中无处不在，例如最常见的社交网络图。而这种网络通常包含 百万以上的节点和数以十亿记的边，如果能将这种高维复杂的网络映射(降维) 到低维空间内，用于可视化、节点分类、预测、推荐等相关任务，则能产生巨大的商业和学术价值，而本论文就旨探讨如何将高维的信息网络 映射(降维）到低维空间内。
现实中的信息网络十分复杂，通常包含 百万以上的节点和数以十亿记的边，对于如此复杂庞大的图结构，目前大多数的图嵌入方法都不可行。
由此本文提出一种高效的网络表征学习方法，对于有向/无向、有权重/无权重的图都可适用，且可在单机器上、数小时之内完成对 包含百万以上的节点和数以十亿记的边的图网络的 embedding 学习。
本论文所提方法 能保存 局部和全局的网络结构信息，并且提出了高效的优化技巧，使得能对包含百万节点的图进行学习。局部网络结构信息：节点间的一阶近似性（first-order proximity） 全局网络结构信息：节点间的二阶近似性（second-order proximity） 优化技巧：edge-sample，negative-sample
与 DeepWalk 类似深度优先搜索相比，Line 更像一种广度优先搜索，对于取得二阶相似性，广度更加合理。并且 Line 适用于带权图，而 DeepWalk 不适用。
LINE 主要内容
图结构的定义
上述公式中 表示 节点集合， 表示边集合，对每天边上的权重 表示节点 和 的关系强弱，若是无向图则 ，反正则不相等。注意本论文只探讨边权重 的情况。如上所描述的图 G 基本上可以囊括现实世界中的信息网络。
一阶相似性（first-order proximity）
对于图中任意两个节点 , 都可以由边进行连接，如果在图中两节点有边则 ，否则等于 0，这种定义也是符合现实逻辑的，在 information network 中，如果两个用户存在连接关系，则该两个用户的性格、兴趣等可能存在相似性、如果两个网页存在连向彼此的链接，则该网页内容可能存在相似性等等。在这里可以假设有一条无向边 ，其两节点 的联合概率可以定义如下：
由此我们可以得到在 空间上的概率分布 经验概率分布可以定义为
其中 ，由此可以的带 上的经验概率分布 论文提到要让 这两种分布 KL 散度距离越近越好，去掉一些常数，由此可得到 一阶相似的损失函数：
论文里提到这种一阶相似性只能应用在无向图中，不适用有向图，这里也可理解，按照一阶相似度计算，不可能存在 与 相似 不等于 与 相似度。
那么问题来了，为何按照公式(3) 的优化方向，得出来的节点 的表示向量 真的与节点 的表示向量 就真的如 如期的那样相似或者不相似呢？这点论文中并没有解释，可能是个常识性知识，但是仍值得探讨下， 假设 很大，这说明实际中，节点 与 很相似，那么按这公式(3) 优化， 也应该很大，则 也应该很大，则按照余弦相似度计算，则向量 与 的夹角很小，则该 与 很相似，这就符合如期了。
这里还有一个问题：由公式（1）计算出的 里面每个概率值都是有 sigmoid 计算出来的，整体并不是一个标准概率分布，因为 很有可能性发生，严格上来说 并不是一种分布。而 是一定的。这个问题不知如何解释？
二阶相似性（second-order proximity）
但是如果仅仅根据两节点是否存在直接相连的边来判断相似性，显然是不够的，例如两个用户虽然没有直接相连，但是他们却存在大量共同好友，由常识也知道认为这两用户是相似的，但是他们的一阶相似性却为 0。由此定义二阶相似性：两节点各自相邻节点的一阶相似性。可解决一阶相似性的稀疏问题。
因为二阶相似性要在有向图上适用，故对每个节点，有两个角色要扮演：① 自身角色 ② 相对别的节点，节点作为上下文角色。例如对于有向边 ，在给定节点 的情形下， 节点需要承担 上下文角色。每个节点都有两个角色，每个角色都有两个表示向量。例如节点 的表示向量 和上下文表示向量 。由此可得在给定 情形下， 的表示向量：
上式中 表示所有节点数量。那么对于每个节点，都可以得到一个概率分布 。同样论文中也提出了二阶的经验分布：
其中 ， 表示节点 的出度，由此得到二阶经验分布 同样去掉一些常数，可得二阶相似性的损失函数：
到这来，可能有人要问，这种二阶相似性计算，如何体现 “两个节点拥有相似的相邻节点，则该两个节点肯定有相似性”，论文中对此也没有任何解释，可能是个比较常识性的问题，但是我认为仍值得深入解释一下，这里提出我个人的想法：试想一下，在公式(4)中 与 相邻，并且 不断对与他相邻的节点 施加影响，也就是相邻节点间相互影响，并且不断沿着边向四周传播影响，如果两个节点拥有相似的邻接点，那么这两个节点受到的影响也是一致的，邻接点越相似，所受的影响就越一致。
可能又有人问，为啥二阶弄个上下文向量 ，试想一下，在公式(4)中，如果 为 ，那么 与 就相等了，那么就没有方向上的区别了。
优化技巧
边采样
论文里提到对于一个庞大复杂的带权有向图，其边权重的方差可能是很大的，难以训练优化，论文中提出可将每个带权边拆解成多个权重为 的边。但是这样做，图将变得非常复杂，对机器的 memory 要求将会剧增。为了缓解这个问题，可以对边进行带概率（相同两节点边出现频次/ 总边数）的采样（即采样出的样本服从原始样本分布）。论文中提出使用 alias method 方法进行采样。该方法查找时间复杂度 O(1)，但是建表时间复杂度 O(n)，但是只需建一次即可。详情可看 alia-method[3]。这样就完成了对边的采样。
节点负采样
与 NLP 中的 word2vec 所遇到的问题类似，对于公式(4) 来说，分母需要遍历节点图中的所有节点，这样计算量可能非常巨大，因此需要采样部分负节点，来组成负样本，那么公式(4)可转化成如下：
对于上面公式中的求和下标 ，个人感觉改成 应该较好理解些。上式相当于把节点 与 作为一对正样本(label=1)，而节点 与每个采样得到的节点组成的 作为负样本（label=-1），故里面有个负号。有正有负，有变大有变小才能优化。
在实写代码时，只需要将每对 pairwise 做内积乘以 label 再做 log_sigmoid，再对所有 pairwise 求和取负，再 minimize 即可。
同理在公式(3) 里面，也需要对没有边相连的节点进行采样，作为负样本，这样 有正有负，有变大有变小才能优化。
所以对一阶相似与二阶相似做完负采样后，两者损失函数一致了，不同的是对于一阶相似，需将公式(7) 中的 成 ，实写代码时也是。
关键代码
class LINEModel:
def __init__(self, args):
self.u_i = tf.placeholder(name='u_i', dtype=tf.int32, shape=[args.batch_size * (args.K + 1)])
self.u_j = tf.placeholder(name='u_j', dtype=tf.int32, shape=[args.batch_size * (args.K + 1)])
self.label = tf.placeholder(name='label', dtype=tf.float32, shape=[args.batch_size * (args.K + 1)])
self.embedding = tf.get_variable('target_embedding', [args.num_of_nodes, args.embedding_dim],
initializer=tf.random_uniform_initializer(minval=-1., maxval=1.))
self.u_i_embedding = tf.matmul(tf.one_hot(self.u_i, depth=args.num_of_nodes), self.embedding)
if args.proximity == 'first-order':
self.u_j_embedding = tf.matmul(tf.one_hot(self.u_j, depth=args.num_of_nodes), self.embedding)
elif args.proximity == 'second-order':
self.context_embedding = tf.get_variable('context_embedding', [args.num_of_nodes, args.embedding_dim],
initializer=tf.random_uniform_initializer(minval=-1., maxval=1.))
self.u_j_embedding = tf.matmul(tf.one_hot(self.u_j, depth=args.num_of_nodes), self.context_embedding)
self.inner_product = tf.reduce_sum(self.u_i_embedding * self.u_j_embedding, axis=1)
self.loss = -tf.reduce_mean(tf.log_sigmoid(self.label * self.inner_product))
self.learning_rate = tf.placeholder(name='learning_rate', dtype=tf.float32)
# self.optimizer = tf.train.GradientDescentOptimizer(learning_rate=self.learning_rate)
self.optimizer = tf.train.RMSPropOptimizer(learning_rate=self.learning_rate)
self.train_op = self.optimizer.minimize(self.loss)
由上面代码可以看出 当选择一阶相似性时：节点 是从 矩阵里取表示向量，模型也只更新 矩阵；当选择二阶相似性时：节点 是从 矩阵里取表示向量，模型会更新 矩阵；
class DBLPDataLoader:
def __init__(self, graph_file):
self.g = nx.read_gpickle(graph_file)
self.num_of_nodes = self.g.number_of_nodes()
self.num_of_edges = self.g.number_of_edges()
self.edges_raw = self.g.edges(data=True)
self.nodes_raw = self.g.nodes(data=True)
self.edge_distribution = np.array([attr['weight'] for _, _, attr in self.edges_raw], dtype=np.float32)
self.edge_distribution /= np.sum(self.edge_distribution)
self.edge_sampling = AliasSampling(prob=self.edge_distribution)
self.node_negative_distribution = np.power(
np.array([self.g.degree(node, weight='weight') for node, _ in self.nodes_raw], dtype=np.float32), 0.75)
self.node_negative_distribution /= np.sum(self.node_negative_distribution)
self.node_sampling = AliasSampling(prob=self.node_negative_distribution)
self.node_index = {}
self.node_index_reversed = {}
for index, (node, _) in enumerate(self.nodes_raw):
self.node_index[node] = index
self.node_index_reversed[index] = node
self.edges = [(self.node_index[u], self.node_index[v]) for u, v, _ in self.edges_raw]
def fetch_batch(self, batch_size=16, K=10, edge_sampling='atlas', node_sampling='atlas'):
if edge_sampling == 'numpy':
edge_batch_index = np.random.choice(self.num_of_edges, size=batch_size, p=self.edge_distribution)
elif edge_sampling == 'atlas':
edge_batch_index = self.edge_sampling.sampling(batch_size)
elif edge_sampling == 'uniform':
edge_batch_index = np.random.randint(0, self.num_of_edges, size=batch_size)
u_i = []
u_j = []
label = []
for edge_index in edge_batch_index:
edge = self.edges[edge_index]
if self.g.__class__ == nx.Graph:
if np.random.rand() > 0.5: # important: second-order proximity is for directed edge
edge = (edge[1], edge[0])
u_i.append(edge[0])
u_j.append(edge[1])
label.append(1)
for i in range(K):
while True:
if node_sampling == 'numpy':
negative_node = np.random.choice(self.num_of_nodes, p=self.node_negative_distribution)
elif node_sampling == 'atlas':
negative_node = self.node_sampling.sampling()
elif node_sampling == 'uniform':
negative_node = np.random.randint(0, self.num_of_nodes)
if not self.g.has_edge(self.node_index_reversed[negative_node], self.node_index_reversed[edge[0]]):
break
u_i.append(edge[0])
u_j.append(negative_node)
label.append(-1)
return u_i, u_j, label
def embedding_mapping(self, embedding):
return {node: embedding[self.node_index[node]] for node, _ in self.nodes_raw}
上述代码中的图已假定边权重均为 1，相当于已经对带权重的边进行了拆解了多条二元边；首先进行 边采样，然后再对节点进行了负采样，负采样得到 的 均为-1。
个人总结
本论文刚刚读起来，有点晦涩难懂，总觉得有些地方不严谨。但是仔细推敲下，貌似没啥大问题
论文读起来感觉很复杂的样子，但是代码真的挺简单的。
参考资料
[1]
论文: http://www.www2015.it/documents/proceedings/proceedings/p1067.pdf
[2]code: https://github.com/snowkylin/line
[3]alia-method: %28https://blog.csdn.net/haolexiao/article/details/65157026%29
关于本站
“机器学习初学者”公众号由是黄海广博士创建，黄博个人知乎粉丝23000+，github排名全球前100名（33000+）。本公众号致力于人工智能方向的科普性文章，为初学者提供学习路线和基础资料。原创作品有：吴恩达机器学习个人笔记、吴恩达深度学习笔记等。
往期精彩回顾
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
