典型文献
位置社交网络上的图表示学习
文献摘要：
随着在线社交网络的普及,基于位置的社交网络(Location-Based Social Networks,LBSN)积累了海量数据,且因其包含丰富的时空、语义信息已被广泛应用在挖掘用户行为偏好的研究上,但传统的手工提取LBSN特征的方法有很大局限性且耗时耗力.近几年来,图表示学习在推荐系统、知识图谱等领域成功应用,彰显了其强大的非线性拟合和表示学习的能力.然而,现有图表示学习大多集中在静态、同构的网络上,难以同时考虑时间、位置信息、社交关系来捕捉LBSN中复杂的结构和用户偏好,以致无法高效提取LBSN中的有效信息.因此,本文提出面向LBSN的两阶段图表示学习框架TGE-LBSN(Two Stages of Graph Embedding on LBSN),即将LBSN转化成异构网络结构,设计了LBSN上的图表示学习算法自动提取LBSN的特征,得到蕴含有效信息的节点向量表示,并利用社交领域的预测、推荐任务检验其有效性.首先,依据时间对LBSN的签到(Check-in)超边进行有偏采样,第一阶段设计了IVGS(Initial Vector Generation Stage)算法,利用好友边与Check-in超边共同生成包含位置、特征信息的初始节点向量.其次,在第二阶段将LBSN依据签到时间划分成不同子图,分别进行各个子图下的异构网络层结构信息聚合操作.在第一阶段结果的基础上,提出了面向LBSN的选择聚合邻居策略SAN(Select Aggre?gated Neighbors),选取有代表性的邻居节点完成聚合操作,进而完成子图向量生成算法SVG(Subgraph Vector Generation)得到子图中节点的向量表示.最后,依据任务设定损失函数,结合注意力机制为各子图学得自适应权重,从而得到节点的最终向量表示,进而完成社交领域的预测推荐任务.本研究分别在真实的LBSN数据集上以及时序社交网络与基准方法进行了大量的对比实验,并采用ROC曲线作为评价标准,实验结果验证了本文所提算法TGE-LBSN能高效地自动提取LBSN的有效信息并保留在节点的嵌入向量中,且在社交领域的好友预测任务上比现有模型在AUC值方面最高可提升42％,在兴趣点推荐任务上AUC取值相较于对比算法最高可达到7％的提升.
文献关键词：
位置社交网络;图表达;异构网络表示学习;注意力机制;链路预测
中图分类号：
作者姓名：
赵琳琳;吴安彪;袁野;李扬;王国仁
作者机构：
东北大学计算机科学与工程学院 沈阳 110167;北京理工大学计算机学院 北京 100081
文献出处：
引用格式：
[1]赵琳琳;吴安彪;袁野;李扬;王国仁-.位置社交网络上的图表示学习)[J].计算机学报,2022(04):838-857
A类：
IVGS,异构网络表示学习
B类：
位置社交网络,在线社交网络,基于位置的社交网络,Location,Based,Social,Networks,LBSN,海量数据,语义信息,用户行为,行为偏好,耗力,近几年来,推荐系统,成功应用,非线性拟合,多集,位置信息,社交关系,用户偏好,高效提取,有效信息,出面,两阶段,TGE,Two,Stages,Graph,Embedding,转化成,图表示学习算法,自动提取,节点向量,向量表示,交领,推荐任务,签到,Check,第一阶段,Initial,Vector,Generation,好友,特征信息,第二阶段,时间划分,子图,网络层,结构信息,信息聚合,SAN,Select,Aggre,gated,Neighbors,邻居节点,生成算法,SVG,Subgraph,中节点,任务设定,损失函数,注意力机制,图学,学得,自适应权重,基准方法,嵌入向量,现有模型,兴趣点推荐,对比算法,图表达,链路预测
AB值：
0.346735
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
