Scidown文献预览系统!
图表示学习中的负抽样理解( Understanding Negative Sampling in Graph Representation Learning )
Z Yang M Ding C Zhou H Yang J Tang
图表示学习近年来得到了广泛的研究。尽管它有潜力为各种网络生成连续嵌入,但对大规模节点语料库推断高质量表示的有效性和效率仍然是一个挑战。采样是实现性能目标的关键环节。现有技术通常侧重于对正节点对的采样,而对负采样的策略研究不足。为了弥补这一差距,我们从目标和风险两个角度系统地分析了负抽样的作用,从理论上论证了负抽样在确定优化目标和结果方差方面与正抽样同样重要。据我们所知,我们是第一个推导出理论和量化负抽样分布应该是正的,但次线性相关的正抽样分布。在该理论的指导下,我们提出了MCNS,用自对比近似逼近正分布,用Metropolis-Hastings加速负采样。我们在5个数据集上对我们的方法进行了评估,这些数据集涵盖了广泛的下游图学习任务,包括链接预测、节点分类和个性化推荐,总共在19个实验设置上。这些比较全面的实验结果表明了该方法的鲁棒性和优越性。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】