Key points are not available for this paper at this time.
네트워크 임베딩은 최근 몇 년 동안 점점 더 많은 주목을 받고 있으며, 이는 네트워크의 각 노드에 대한 저차원 표현을 학습하여 노드 분류, 링크 예측 및 네트워크 시각화와 같은 하위 작업에 도움이 되는 것입니다. 본질적으로, 네트워크 임베딩의 작업은 원래 공간에서의 근접성을 발견하고 그것을 저차원 공간에 보존하는 것으로 분리될 수 있습니다. 잘 발견된 근접성이 있어야만 저차원 공간에 그것을 보존할 수 있습니다. 따라서 다양한 노드 간의 근접성을 발견하는 것이 좋은 노드 표현을 학습하는 데 중요합니다. 이 문제를 해결하기 위해 본 논문에서는 근접성을 생성할 수 있는 새로운 근접 생성 적대적 네트워크(ProGAN)를 제안합니다. 결과적으로 생성된 근접성은 네트워크 임베딩에 도움이 되는 복잡한 기본 근접성을 발견하는 데 도움이 될 수 있습니다. 근접성을 생성하기 위해 우리는 이를 충족시키기 위한 새로운 신경망 아키텍처를 설계합니다. 특히, 근접성의 생성을 서로 다른 노드 간의 유사성 관계를 인코딩하는 노드의 삼중체 생성으로 구체화합니다. 이러한 방식으로 제안된 ProGAN은 네트워크 임베딩을 위해 성공적으로 근접성을 생성할 수 있습니다. 마지막으로, 광범위한 실험 결과는 ProGAN의 효과를 검증했습니다.
Gao et al. (Thu,)은 이 문제를 연구했습니다.