GraphWaveMachine:“通过扩散小波学习结构节点嵌入（KDD 2018）”的可伸缩实施

GraphWave ⠀ 抽象的 驻留在图的不同部分中的节点在其本地网络拓扑中可以具有相似的结构角色。 此类角色的标识可提供对网络组织的关键见解，并可用于各种机器学习任务。 但是，学习节点的结构表示是一个具有挑战性的问题，并且通常涉及手动为每个节点指定和定制拓扑特征。 在本文中，我们开发了GraphWave，一种利用热小波扩散模式通过低维嵌入来表示每个节点的网络邻域的方法。 GraphWave无需手动指导即可学习这些嵌入，而不是对手动选择的功能进行训练。 我们从数学上证明了具有相似网络邻域的节点将具有相似的GraphWave嵌入，即使这些节点可能位于网络的非常不同的部分中，并且我们的方法随边的数量线性缩放。 在各种不同设置下进行的实验证明了GraphWave在网络中捕获结构角色的现实潜力，并且我们的方法在每个实验中均优于现有的最新基准，可高出137％。 该模型现在也可在包中找到。 该存