社交網路信息表示模型

社交網路信息表示模型是用於得到社交網路信息表示的模型。

基本介紹

• 中文名：社交網路信息表示模型
• 外文名：socialnetwork information representation model

定義

社交網路信息表示模型是用於得到社交網路信息表示的模型。

社交網路信息表示模型

社交網路信息表示問題因為社交網路含有可用的圖結構信息，因此很多時候用到圖形嵌入表示的方法，如MDS，IsoMap，LLE和拉普拉斯特徵圖。這些方法通常首先使用數據點的特徵向量構建一個全局圖，然後將一個圖形嵌入到低維空間中。然而，這些算法通常依賴於求解最優矩陣的前導特徵向量，其複雜度至少與節點數相等，使得它們不能處理大規模網路。

真實的社交網路具有較大的規模，因此針對社交網路的信息表示問題又出現了一些表現更好的算法，如DeepWalk，LINE和IONE等。儘管DeepWalk在實驗效果上很有潛力，但並沒有提供明確的目標來闡明網路中被保留的屬性是什麼。因此，LINE和IONE等算法在此基礎上進一步確定了具體的目標函式，使社交網路信息表示問題可以通過對目標函式進行最佳化來完成。

下面介紹一下算法LINE。該算法定義了節點的兩種相似性，分別為一階相似性和二階相似性。一階相似性可以看作局部的信息，是兩點之間的相似性，即社交網路中兩個用戶節點之間是否存在好友關係。二階相似性可以看作兩點鄰域網路的相似性，即社交網路中兩個用戶節點各自的好友關係網路的相似性。

對於一階相似性有，其中為點的低維向量表示。

對於二階相似性有。

目標函式定義為，其中為的分布與其經驗值的分布的相似性度量，利用KL散度值進行計算。同理。最終利用梯度下降方法最小化目標函式O，進而得到社交網路的信息表示。

LINE是在社交網路信息表示領域較有代表性的算法，很多算法受到了它的啟發，利用了更多的結構信息，也就是改變了算法的目標函式，但求解仍是通過最小化目標函式來完成的。