Task-specific Temporal Node Embedding
| Autor: | Haddad, Mounir, Bothorel, Cécile, Lenca, Philippe, Bedart, Dominique |
|---|---|
| Přispěvatelé: | Equipe DECIDE (Lab-STICC_DECIDE), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL), Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), DSI Global Services |
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | French Regional Conference on Complex Systems French Regional Conference on Complex Systems, May 2021, Dijon, France |
| Popis: | International audience; Graph embedding aims to learn a representation of graphs' nodes in a latent low-dimensional space. The purpose is to encode the graph's structural information. While the majority of real-world networks are dynamic, literature generally focuses on static networks and overlooks evolution patterns. In a previous article entitled "TemporalNode2vec: Temporal Node Embedding in Temporal Networks", we introduced a dynamic graph embedding method that learns continuous time-aware vertex representations. In this paper, we adapt TemporalNode2vec to tackle especially the node classification-related tasks. Overall, we prove that task-specific embedding improves data efficiency significantly comparing to task-agnostic embedding. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|