Graphs的许多模型属于边缘无关的点产品型号的框架。这些模型输出所有节点之间存在的边缘的概率,并且两个节点之间的链路的概率随与节点相关联的矢量的点乘积而增加。最近的工作表明,这些模型无法捕获实际图中的关键结构,特别是异种结构,其中在不同节点之间发生链接。我们提出了一种独立的图形生成模型,它足以捕捉到异源性,B)产生非负嵌入物,这允许在社区方面解释的链接预测,C)有效地在具有梯度的真实图中优化跨熵损失下降。我们的理论结果展示了我们模型的表现力,其能够使用最大程度的线性的多个簇进行准确地重建图表,以及其在数据中捕获异常和精梳性的能力。此外,我们的实验展示了我们模型对多种重要应用任务等多个重要应用程序任务的有效性,例如多标签聚类和链路预测。
translated by 谷歌翻译