文件名称：Splitter:Pytorch实现的“拆分器”
文件大小：11.45MB
文件格式：ZIP
更新时间：2024-05-21 03:25:20
machine-learning deep-learning clustering word2vec community-detection
分离器 ⠀ ⠀ 拆分器的PyTorch实现：捕获多个社交环境的学习节点表示（WWW 2019）。 抽象的 最近对图嵌入方法的兴趣集中在为图中的每个节点学习单个表示形式。 但是，真的可以用单个矢量表示来最好地描述节点吗？ 在这项工作中，我们提出了一种用于学习图中节点（例如，社交网络的用户）的多种表示的方法。 基于自我网络的原理分解，每个表示形式都对节点在节点所参与的不同本地社区中的角色进行编码。 这些表示可以改进对图中发生的细微关系的重建，这是我们通过各种图上的链接预测任务的最新结果所说明的现象，可将错误减少多达90％。 此外，我们证明了这些嵌入可以对学习到的社区结构进行有效的视觉分析。 如本文所述，该存储库提供了Splitter的PyTorch实现： 拆分器：捕获多个社交上下文的学习节点表示形式。 亚历山德罗·埃帕斯托（Alessandro Epasto）和布莱恩·佩罗兹（Bryan
【文件预览】：
Splitter-master
----www2019splitter.pdf(7.26MB)
----.github()
--------FUNDING.yml(30B)
----output()
--------chameleon_embedding.csv(2.45MB)
--------chameleon_personas.json(52KB)
--------cora_embedding.csv(4.08MB)
--------cora_personas.json(86KB)
----src()
--------ego_splitting.py(4KB)
--------utils.py(776B)
--------main.py(665B)
--------splitter.py(11KB)
--------param_parser.py(2KB)
--------walkers.py(2KB)
----splitter.gif(455KB)
----input()
--------chameleon_edges.csv(325KB)
--------cora_target.csv(17KB)
--------chameleon_target.csv(21KB)
--------cora_edges.csv(95KB)
----LICENSE(34KB)
----README.md(5KB)
----splitter.jpg(884KB)