HyperAIHyperAI
vor 2 Monaten

ATP: Einbettung von gerichteten Graphen mit Erhaltung der asymmetrischen Transitivität

Jiankai Sun; Bortik Bandyopadhyay; Armin Bashizade; Jiongqian Liang; P. Sadayappan; Srinivasan Parthasarathy
ATP: Einbettung von gerichteten Graphen mit Erhaltung der asymmetrischen Transitivität
Abstract

Gerichtete Graphen werden in Community-Frage-Antwort-Diensten (CQAs) häufig verwendet, um asymmetrische Beziehungen zwischen verschiedenen Knotentypen in CQA-Graphen zu modellieren, wie z.B. Frage, Antwort und Benutzer. Die asymmetrische Transitivität ist eine wesentliche Eigenschaft gerichteter Graphen, da sie eine wichtige Rolle bei der Inferenz und Analyse von nachgeschalteten Graphen spielen kann. Fragekomplexität und Benutzerkompetenz folgen dem Merkmal der asymmetrischen Transitivität. Die Erhaltung dieser Eigenschaften bei der Reduktion des Graphen in einen niedrigdimensionalen Vektorembedding-Raum war Gegenstand vieler neuerer Forschungsarbeiten. In diesem Artikel befassen wir uns mit der Herausforderung der Embedding von gerichteten Graphen unter Erhaltung der asymmetrischen Transitivität und nutzen die vorgeschlagene Embedding-Methode anschließend, um eine grundlegende Aufgabe in CQAs zu lösen: Wie können neu gestellte Fragen angemessen an Benutzer mit geeigneter Kompetenz und Interesse in CQAs weitergeleitet und zugewiesen werden? Die Technik integriert natürlicherweise Hierarchie- und Erreichbarkeitsinformationen durch eine nichtlineare Transformation, die auf der Kern-Erreichbarkeit und der impliziten Hierarchie innerhalb solcher Graphen operiert. Anschließend nutzt die Methodik einen faktorisierungsbasierten Ansatz, um für jeden Knoten im Graph zwei Embedding-Vektoren zu generieren, um die asymmetrische Transitivität abzubilden. Ausführliche Experimente zeigen, dass unser Framework konsistent und erheblich besser als die Stand-of-the-Art-Baselines bei zwei unterschiedlichen realweltbezogenen Aufgaben abschneidet: Linkprognose sowie Schätzung der Fragekomplexität und Expertensuche in Online-Forums wie Stack Exchange. Insbesondere kann unser Framework induktives Embedding-Lernen für neu gestellte Fragen (Knoten, die während des Trainings nicht gesehen wurden) unterstützen und daher diese Art von Fragen angemessen an Experten in CQAs weiterleiten und zuweisen.

ATP: Einbettung von gerichteten Graphen mit Erhaltung der asymmetrischen Transitivität | Neueste Forschungsarbeiten | HyperAI