论文阅读：Relation Structure-Aware Heterogeneous Information Network Embedding
作者：互联网
论文阅读：Relation Structure-Aware Heterogeneous Information Network Embedding
Relation Structure-Aware Heterogeneous Information Network Embedding(RHINE) (AAAI 2019)
本文结构
- (1) 解决问题
- (2) 主要贡献
- (3) 算法原理
- (4) 实验结果
- (5) 参考文献
在文献阅读的基础上加入了自己的理解，为文献阅读笔记，如有错误望不吝指出。
(1) 解决问题
现存的HIN表征算法通常一个模型用到底，没有对不同关系进行区分，这不可避免地会影响网络表征的能力。
(2) 主要贡献
Contribution 1. 是第一个来探索HIN中关系区别的工作，并且提出了两种标准将HIN关系归类为两种，ARs (one centered by another) 和 IRs (peer to peer)。
Contribution 2. 提出了RHINE算法，为两类不同的关系都各自建立了模型，并且可以很容易联合在一起优化。
(3) 算法原理
HIN中的两类关系：
<1> ARs （Affiliation Relations，one-centered-by-another）
这类关系描述一个节点以另外一个节点为中心，一般指隶属关系，如PC关系，paper属于某个会议，这类关系的特征是一类节点度大一类节点度小，即多对一的关系。
<2> IRs （Interaction Relations，peer-to-peer）
这类关系一般指两个节点是对等关系，两个节点之间存在互动关系，如AP关系，作者写了一篇论文，这类关系的特征是两类节点的度差不多，即一对一关系。
HIN中的关系分类（两个度量指标）：
<1> 基于度的度量指标
给定节点关系元组（u, r, v），以下公式度量其关系类别。
其中，t_u 表示节点类型，d_tu为平均度，即网络中存在的关系r总数 / 节点类型为t_u 的节点总数。
D(r) 越大表示两类节点的平均度差异越大，即该关系r更可能是ARs，反之D(r) 越小则表示两类节点的平均度差不多，即该关系r更可能是IRs。
<2> 基于网络稀疏度的度量指标
给定节点关系元组（u, r, v），以下公式度量其关系类别。
其中，N_r表示网络中关系r的数目，N_tu为网络中节点类型为t_u 的节点总数。
S(r) 越大表示两类节点间的联系（边）更紧密，即该关系更可能是多对一的ARs，反之S(r) 越小则表示两类节点间的联系（边）没那么紧密，即该关系r更可能是一对一的IRs。
RHINE的基本思想：为两类关系分别建立模型，最后联合优化。
如上图(b)所示，传统HIN算法将一个模型用于捕获网络中的所有关系以此来做网络嵌入。而RHINE不同，如上图(c)所示，RHINE算法分别为两类关系建立模型。
<1> 为ARs关系建立模型：
对于ARs关系s，(p, s, q)，最小化p、q在向量空间中的欧式距离，计算如下：
理由： 对于ARs关系，一个节点隶属于另一个节点则它们俩共享相类似的性质，自然应该在表示空间中的距离更加相近，而欧式距离可以直接反映向量空间中两个向量的直线距离。
使用 margin-based loss 作为损失函数，建立模型如下：
P_AR 是正样本关系三元组集合，P'_AR 是负样本关系三元组集合。
该函数的作用是使得正样本中节点对的向量尽可能相近，使得负样本中节点对的向量尽可能远离。
<2> 为IRs关系建立模型：
对于IRs关系r，(u, r, v)，最小化u、v在向量空间中的平移距离（曼哈顿距离），计算如下：
理由： 对于IRs关系，两个节点是对等结构的关系，可能作者认为IRs关系没有ARs关系联系那么强，因此采用曼哈顿距离建模，并且是最小化X_u+Y_r 与 X_v 的差异。
使用 margin-based loss 作为损失函数，建立模型如下：
<3> 最终总的目标函数如下：
即两个目标函数简单相加在一起，联合优化，正样本为在图中依概率采样关系，负样本为将正样本中的某一端节点替换为随机节点得到。
(4) 实验结果
<1> 数据集：
<2> 对比算法：
① DeepWalk
② LINE
③ PTE
④ ESim
⑤ HIN2Vec
⑥ Metapath2vec
<3> 节点聚类任务：
聚类算法： K-means
评测指标： NMI
实验结果：
在所有数据集上都优于对比算法。
<4> 链路预测任务：
评测指标： AUC，F1 score
实验结果：
在所有数据集上都优于对比算法。
<5> 节点分类任务：
分类算法： Logistic classifier
评测指标： Micro-F1，Macro-F1
实验结果：
在大部分数据集上都优于对比算法，其中AMiner数据集上性能不如HIN2Vec，原因是对于过度捕获了PR、APR关系，因为作者写了一篇论文可能引用多篇不同领域的文献，因此引入了误差。
<6> 验证模型策略的有效性实验
实验算法：
RHINE_Eu： 只利用欧式距离来做嵌入，不区分关系类型。
RHINE_Tr： 只利用曼哈顿距离来做嵌入，不区分关系类型。
RHINE_RE： ARs关系采用曼哈顿距离，IRs关系采用欧式距离。
RHINE： 即论文所提算法，ARs关系采用欧式距离，IRs关系采用曼哈顿距离。
实验结果：
论文所提策略是有效的，图中效果最好的。
<7> 可视化实验（仅对论文节点）
实验结果：
RHINE算法不但能清晰看出四类节点，并且类簇之间的边界也是非常清晰的。
<8> 参数分析
如图(a)所示，表征向量维度在100以后趋于稳定，论文中向量维度选择为100。
如图(b)所示，负样本数在3之后趋于稳定，论文中负样本数选择为3。
(5) 参考文献
1、Relation Structure-Aware Heterogeneous Information Network Embedding. Yuanfu Lu, Chuan Shi, Linmei Hu, Zhiyuan Liu. AAAI 2019.
分类: 网络表征学习
标签：关系,Information,ARs,Network,IRs,Aware,算法,节点,RHINE 来源： https://www.cnblogs.com/cx2016/p/14075323.html