动态网络嵌入-蔡成成-2020-4-6.pdf

ThenameoftheDepartmentBeijingForestStudio

北京理工大学信息系统及安全对抗实验中心部门名称

动态网络嵌入

——一种基于skip-gram的网络嵌入扩展方法

蔡成成硕士研究生

2020年4月6日

内容提要

•背景简介

•基本概念

•算法原理

•优劣分析

•应用总结

•参考文献

2

背景简介

•预期收获

–1.了解网络嵌入概念及方法

–2.巩固skip-gram+负采样的基本思想

–3.理解动态网络嵌入（DNE）的算法原理

3

背景简介

•图(Graph)是一个非常常用的数据结构：

–Graph广泛存在于真实世界的多种场景中，即节点和边的集

合。比如社交网络中人与人之间的联系，生物中蛋白质相互

作用以及通信网络中的IP地址之间的通信等等。

4

背景简介

•网络表示学习or网络嵌入or图嵌入

–旨在从网络数据中学习得到网络中每个节点的低维、实值、

稠密的向量表示,之后这些节点表示就可以作为节点的特征

应用于后续的网络应用任务中，如节点分类、链接预测、社

区发现、可视化任务等。

G=(V,E)G=(V)

VectorSpace

generate

embed

CanapplyclassicalMLmethods

6

背景简介

•为什么要使用网络嵌入or图嵌入？

–在图上直接进行机器学习具有一定局限性。图是由节点和边

构成，这些向量关系一般只能使用数学，统计或者特定的子

集进行表示，但是嵌入之后的向量空间具有更加灵活和丰富

的计算方式。

–图嵌入能够压缩数据。我们一般用邻接矩阵描述图中节点之

间的连接，将邻接矩阵用用大型图的特征空间几乎是不可能

的。

–向量计算比直接在图上操作更加的简单、快捷。

7

背景简介

•已有的网络嵌入研究方法

–DeepWalk、Node2Vec、SDNE、LINE等。

•动态网络嵌入概念

–没有任何事物是永恒不变的。许多真实世界的网络不是静

态的而是处于不断进化的状态，特别是社交网络。比如一

个新的用户以一个vertex的形式加入网络结构，或者两个

用户建立了link，网络中就会多一个新的edge。

–随着网络的不断进化，一方面新节点需要被表示，另一方

面，原始节点的嵌入表示就变得陈旧，需要被不断更