GloDyNE这种全局拓扑保持动态网络嵌入方法，如何处理长尾网络结构？

本文共计5385个文字，预计阅读时间需要22分钟。

GloDyNE：一种全局拓扑保持动态网络嵌入方法链接：http://arxiv.org/abs/2008.01935

摘要：目前大多数动态网络嵌入（DNE）方法的思想是捕捉最显著节点的变化（而非所有节点），或者节点的局部拓扑变化。而GloDyNE方法则相对更全面。

11 GloDyNE Global Topology Preserving Dynamic Network Embedding

link:arxiv.org/abs/2008.01935

Abstract

目前大多数现有的DNE方法的思想是捕捉最受影响的节点(而不是所有节点)或周围的拓扑变化，并相应更新节点嵌入。

这种近似虽然可以提高效率，但由于没有考虑通过高阶近似传播和接收累积拓扑变化的非活跃子网络，因此不能有效地保持动态网络在每个时间步的全局拓扑。

为了应对这一挑战，我们提出了一种新的节点选择策略，在网络上多样化地选择代表节点，这个方法是种新的增量学习范式——基于Skip-Gram的协调嵌入方法。

Conclusion

本文提出了一种新的DNE方法GloDyNE，该方法通过扩展SGNS模型到增量学习范式，旨在有效地更新节点嵌入，同时更好地保持动态网络在每个时间步的全局拓扑。与以往的DNE方法不同，提出了一种新的节点选择策略，在网络中多样化地选择代表节点，并额外考虑不活跃的子网络，以更好地保持全局拓扑。

GloDyNE也可以看作是一个基于SGNS模型增量学习范式的通用DNE框架。通过这个框架，可以设计不同的节点选择策略，为特定应用程序的节点嵌入保留其他理想的拓扑特征。另一方面，选择不同节点的思想可以适应现有的其他DNE方法，以更好地保持全局拓扑。