Graph Embedding Techniques

Generative Model

generative model 可以藉由輸入特定的特徵和類別標籤分佈當作參數。

Embed Graph Into The Latent Semantic Space

重點在於把 node 映射到 semantic space 的時候，它們之間的距離可以解釋他們在 graph structure 中的關係。

Incorporate Latent Semantics for Graph Embedding

這裡的假設是，如果兩個 node 的語意是相近的，那麼他們被 embedded 的時候，他們之間的距離也會相近。

Applications

• node related applications
• edge related applications
• graph related applications
• other applications

Node Related Applications

• node classification
  越像的 node 越應該要有相同的 label
• node clustering
  非監督式學習，將相似的 node 分到同一個 cluster，embedding 之後，可以直接使用傳統的 clustering algorithm 來做
• node recommendation/retrieval/ranking
  根據特定的標準，找出跟這個 node top-k 相似的 node

Edge Related Applications

• link prediction
• triplet classification
  這是屬於 knowledge graph 的應用，這裡的 triplet 是指 <head, relation, tail>，這裡要做的事情是 classify 這個沒見過的 triplet 是否正確。

Graph Related Applications

• graph classification
  graph classification 是指將整個 graph label 成某一個類別，意思是 graph 就是最小單位，像是化合物、有機分子、蛋白質等等。
• visualization

Other Applications

• knowledge graph
  從文字中抽取出來的知識，可以被轉換成 knowledge graph
• multimedia network
• information propagation（資訊傳播）
• social network alignment
  預測兩個不同社群網路中的 node 是否是相同的使用者所擁有