出处：ICC 2021-IEEE International Conference on Communications, 1-6
作者：Kai Lei, Hao Ye, Yuzhi Liang, Jing Xiao, Peiwu Chen
摘要：网络嵌入旨在将离散网络拓扑映射到连续的低维表示空间，并保留主要拓扑属性，已成为支持各种网络推理任务的基本技术。 然而，结合进化性质和网络的异质性仍然是现有网络嵌入方法的挑战。 在这项研究中，我们提出了一种新的基于翻译的动态异构网络嵌入 (TransDHE) 方法来同时考虑这两个方面。 对于具有一系列快照和多种类型的节点和边的动态异构网络，我们引入了一个基于翻译的嵌入模块来捕获每个快照的异构特征（例如，类型信息）。 然后应用正交对齐模块和基于 RNN 的聚合模块来探索多个连续快照之间的进化模式，以进行最终表示学习。 在一组真实世界的网络上进行的大量实验表明，TransDHE 可以在最先进的网络嵌入基线上为网络动态和异质性得出更有信息量的嵌入结果
