【斯坦福大学公开课CS224W——图机器学习】二、图机器学习中的传统方法（2）

【斯坦福大学公开课CS224W——图机器学习】二、图机器学习中的传统方法（2）

1. 边预测任务和特征

• 这个任务是基于已存在的边来预测新的边
• 在测试阶段，节点对（无边连接）会被排名，前k个节点对来作为预测结果
• 关键是对每一个节点对设计特征

1.1 边预测任务

两种边预测任务设计：

（1）边随机丢失：将图中的随机的一些边移除，然后预测他们

（2）Links over time：

1.2 边层面的特征

• 基于距离的特征
• 局部邻域重叠
• 全局邻域重叠

1.2.1 基于距离的特征

两个节点之间的最短路径距离，然而，这并没有捕捉到领域重叠的程度

1.2.2 局部邻域重叠

捕获两个节点 v1和 v2之间共享的相邻节点

1.2.3 全局邻域重叠

局部邻域特征的限制：如果两个节点没有任何共同的邻居，度量值总是零。但是，这两个节点在未来仍然可能连接在一起。

全局邻域重叠度量方法就解决了这个限制，通过考虑整个图的情况。

Katz index：计算给定节点对之间所有长度的步数。

如何计算两个节点之间的行走的步数? 使用图形邻接矩阵的幂！

2.图层面的特征和图的核

2.1 图层面的特征

目标：我们需要能够表征整个图形结构的特征

核方法背景：核方法在传统的图级预测机器学习中得到了广泛的应用。想法: 设计内核而不是特征向量。

2.2 图层面特征

图内核: 度量两个图形之间的相似性:

• Graphlet Kernel
• Weisfeiler-Lehman Kernel

2.2.1 图内核

目标：设计图特征向量

关键思想: 用于图表的文字袋(BoW)

回顾: BoW 只是使用单词计数作为文档的特性(不考虑排序)。图的扩展: 把节点看作单词。

2.2.2 图元特征

关键思想: 计算一个图形中不同的图形的数量。

注意: 此处的图形定义与节点级特性稍有不同。这两个不同点是:

• 这里的图形中的节点不需要连接(允许独立的节点)

• 这里的图形不是有根的。

2.2.3 图元核

限制: 计算图形代价昂贵！通过枚举计算大小为 n 的图的 size-k Graphlet 的值为 nk。这在最坏情况下是不可避免的，因为子图同构检验(判断一个图是否是另一个图的子图)是 NP 难的。如果一个图的节点度是以 d 为界的，则存在一个 O (ndk-1)算法来计算所有大小为 k 的图。我们能否设计一个更有效的图核？

2.2.4 Weisfeiler-Lehman Kernel

目的: 设计一个有效的图形特征描述符 φG

想法: 使用邻域结构来迭代地丰富节点词汇。由于节点度是单跳邻域信息，所以节点度袋的通用版本。

实现这一点的算法: 色彩细化

WL 内核计算效率高▪每一步色彩细化的时间复杂度在 # (边)中呈线性，因为它涉及到相邻颜色的聚合。在计算内核值时，只需要跟踪两个图中出现的颜色。因此，# (颜色)最多是节点的总数。计算颜色采用线性时间 w.r.t. # (节点)。总的来说，时间复杂度在 # (边)中是线性的。