11.5号论文总结

1.Aligning Users Across Social Networks Using Network Embedding(2016年)
一：解决的问题：对齐多个社交网络中的用户
在这篇论文中，我们采用了表示学习的方法来让用户在多个社交网络中保持一致，对用户的社交结构建模。学习一个将每个用户的 关注者/粉丝 作为输入/输出上下文向量表示显式建模的网络，保持在嵌入空间中拥有“相似”的 关注者/粉丝 的用户的接近性。为了保持一致在网络上添加了已知的和潜在的锚用户，以促进上下文信息在网络上的传输。在一个统一的优化框架下同时解决了网络嵌入问题和用户对齐问题。将多个社交网络映射到一个共同的嵌入空间中，提出的 IONE 方法使得更多的社交结构属性用于网络表征学习，最终目标是实现更准确的社交网络对齐。
二：模型&如何建模
1.模型：本文应用网络表示学习的方法来对齐社交网络，提出了一种实现多网络对齐的网络嵌入的表示学习模型。
2.建模：

补充：利用随机梯度下降来学习这两个网络的向量表示。为了降低计算复杂度，采用负采样方法（[Mikolov et al., 2013].），它使上述目标函数最小