这篇文章是CIKM的短文,只有四页。因为是短文,所以很多地方说的不是很详细。
以下是一篇科普文中,给的这篇文章的介绍:
之前基本上所有的Network Embedding方法只考虑了网络的节点以及节点与节点之间的边。但是在很多社交网络中(比如YouTube和FaceBook),用户可以自行建组,别人也可以选择加入他人建立的组中。同一组的节点即使直接没有边,一般也会存在一些内在关系。所以该文考虑将组的信息加入到Network Embedding中。该文的思想比较简单,每个相同的组也会学到一个向量表示,组向量有两个用处:
1)在利用周围节点预测中心节点时,组向量也会加入预测;
2)组向量也会预测组中的其他节点。最后目标函数是将上述两项相加而成,得到令人满意的实验结果。
我看了下这篇文章,下面是文章中给出的神经网络的网络结构图
这篇文章把Deepwalk的方法中的目标函数加上了一个Group label的,目标函数如下:
g和上下文一块用来预测
vj
同时g还同时预测上下文中label为g的节点
个人感觉这篇文章提出的方法创新性不算太大,思路还是不错的,不过不如我自己的那个方法通用,嘿嘿嘿。