考虑二分图中全局特征的图嵌入方法

2021,WSDM

《Bipartite Graph Embedding via Mutual Information Maximization》论文阅读笔记

1. 背景：
   二分图：建模两种类型节点的关系，边表示它们之间是否有交互。
2. 已有方法：
   图嵌入的方法从图中学习节点特征，但并不是为二分图设计的，可能会陷入局部最优。其他研究主要分为：
   （1）基于随机漫步：生成不同的节点序列，通过预测滑动窗口中的上下文节点来学习节点特征。
   （2）基于重构：通过学习不同的编码器重构邻接矩阵。
3. 存在问题：
   假设节点都与其邻居节点相关，不能建模二分图的全局特征，如同质节点的社区结构与异构节点的长期依赖关系。
   
   如图中，Lion, Ice, Toy同风格，应该属于同一社区，但是实际中它们并没有划分到同一社区，因为Lion无法到达Ice和Toy。此外，Lily和Ice离得远，很难从局部图结构中揭示出异构节点之间的依赖关系。
4. 本文：
   引入一个新的局部全局infomax目标获得全局属性。首先生成一个由两个原型特征组成的全局特征，然后使用注意机制将边编码为局部表示，通过最大化局部和全局特征之间的信息，使二分图中的节点具有全局相关性。
5. 具体：