metapath2vec: Scalable Representation Learning for Heterogeneous Networks - lshhhhh/deep-learning-study GitHub Wiki

논문: https://ericdongyx.github.io/papers/KDD17-dong-chawla-swami-metapath2vec.pdf

3.2 Heterogeneous Network Embedding: metapath2vec

Heterogeneous Skip-Gram 모델을 사용한다. 분모에는 모든 노드를 다 넣으면 연산량이 너무 많으므로 negative sampling을 한다.

Meta-Path-Based Random Walk

Network structure를 어떻게 효율적으로 skip-gram 모델의 input으로 변환할까?
Hetergeneous network에서의 random walkers는 여러 type의 노드들로 이루어진 path들을 생성을 할 것이다. 그런데 Sun et al.는 hetergeneous random walks는 자주 나타나는 type의 노드에 bias가 생긴다는 것을 증명했다.
우리는 다른 노드 type 간의 semantic and structural correlations를 잡아내며 heterogeneous network structures => metapath2vec’s skip-gram 변환을 용이하게 하는 방법을 고안했다.

  • meta-path scheme P를 제안
    • V1 --→(R1) V2 --→(R2) ··· Vt −−→(Rt) Vt+1 ··· −−−−→(Rl-1) Vl
    • 예시
      • meta-path “APA” represents the coauthor relationships on a paper (P) between two authors (A),
      • and “APVPA” represents two authors (A) publish papers (P) in the same venue (V).
⚠️ **GitHub.com Fallback** ⚠️