【NeurlPS2019论文强烈推荐】vGraph:联合社区检测和节点表示学习的生成模型，vGraph: A Generative Model for Joint Community Detection and Node Representational Learning

论文题目

vGraph:联合社区检测和节点表示学习的生成模型，vGraph: A Generative Model for Joint Community Detection and Node Representational Learning

论文简介

本文研究了图分析的两个基本任务：社区检测和节点表示学习，它们分别捕获图的全局和局部结构。在目前的文献中，这两个任务通常是独立研究的，而实际上是高度相关的。我们提出了一个概率生成模型vGraph来协同学习社区成员和节点表示。具体地说，我们假设每个节点可以表示为一个社区的混合体，并且每个社区被定义为节点上的多项式分布。混合系数和社团分布通过节点和社区的低维表示来参数化。设计了一种有效的变分推理算法，使邻域节点在潜在空间中的隶属度趋于一致。在多个真实世界图上的实验结果表明，vGraph在社区检测和节点表示学习方面都非常有效，在这两个任务上都优于许多竞争基线。我们表明，该框架是非常灵活的，可以很容易地扩展到检测层次社区。

论文亮点

本文提出了一种新的学习节点表示的方法，同时利用变分推理的概念建立生成模型，对图形数据进行社区检测。作者提出了一个联合学习社区检测和节点表示的生成模型，这两个任务虽然高度相关，但在以往的文献中大多是独立研究的。为了实现这一点，假设每个节点可以表示为一个混合的社区，并且每个社区被定义为节点上的多项式分布。因此，利用节点和社区嵌入来生成给定节点的

论文作者

Fan-Yun Sun, Meng Qu, Jordan Hoffmann, Chin-Wei Huang, Jian Tang，分别来自台湾国立大学、Mila-Quebec学习算法研究所，加拿大、美国哈佛大学、元素AI,加拿大、加拿大蒙特利尔高等商学院。