LOGO LOGO
实验室硕士生宋宇的论文被TKDD录用
时间:2020-08-12 09:52:53

近日,实验室硕士生宋宇同学的论文被ACM Transactions on Knowledge Discovery from Data (TKDD)录用,论文题目为Multi-Stage Network Embedding for Exploring Heterogeneous Edges。


论文从现有的主流Network Embedding方法本质上等价于矩阵分解,传统的矩阵分解难以满足低秩条件从而带来较大的分解误差的角度入手,提出了MNMF模型,采用多阶段的非负矩阵分解,即对每个阶段矩阵分解之后的残差进一步分解从而学习到更好的网络向量表示。此外,MNMF模型还设计了联合/独立两种分解策略来保留边的异质信息。


论文包含如下创新点:(1)MNMF模型可以学习到包含异质边的网络向量表示,多阶段分解的模型结构不仅仅有效地降低了分解的误差,还可以在不同阶段灵活地采用联合、独立两种分解策略。(2)通过数学推导证明了MNMF模型本质上是一个基于gradient boosting思想的矩阵分解,很好地解释了MNMF的优势以及与现有模型的差异。(3)通过在多个数据集上的广泛实验,MNMF模型均优于现有的各种基线模型。此外,论文还验证了模型不同模块对实验性能的影响以及参数敏感度等因素。


ACM Transactions on Knowledge Discovery from Data主要关注数据挖掘领域的前沿研究,是该领域的权威期刊之一。该期刊每年出版6期,每期录用论文约10篇左右,2019-2020年该期刊的影响因子为2.538。


(通讯员 宋宇)