ATP: 非対称移行性保存を伴う有向グラフ埋め込み

有向グラフは、コミュニティ質問回答サービス（CQAs）において、異なる種類のノード間の非対称的な関係をモデル化するために広く使用されています。例えば、質問、回答、ユーザーなどの間の関係です。非対称推移性は有向グラフにとって重要な特性であり、下流のグラフ推論や分析において重要な役割を果たします。質問の難易度とユーザーの専門知識は、この非対称推移性の特性に従います。これらの特性を維持しながら、グラフを低次元ベクトル埋め込み空間に縮小する方法について多くの最近の研究が焦点を当てています。本稿では、非対称推移性を保ったまま有向グラフを埋め込むという課題に取り組みます。そして提案された埋め込み手法を利用して、CQAsにおける基本的なタスクである新規投稿された質問を適切な専門知識と興味を持つユーザーにルーティングおよび割り当てる方法を開発します。この手法は、グラフ内の階層構造と到達可能性情報を自然に取り入れることで機能し、その核心となる到達可能性と暗黙的な階層構造に対して作用する非線形変換に依存しています。その後、提案手法は因子分解に基づくアプローチを使用して、各ノードに対して2つの埋め込みベクトルを生成することで非対称推移性を捉えます。多数の実験結果から、我々のフレームワークはリンク予測やオンラインフォーラム（Stack Exchangeなど）での質問難易度推定と専門家探索といった2つの異なる実世界タスクにおいて、最先端の基準モデルよりも一貫してかつ有意に優れていることが示されました。特に、我々のフレームワークは訓練中に見られなかった新規投稿された質問（未見ノード）に対する帰納的埋め込み学習をサポートできます。したがって、このような質問をCQAs内の専門家に適切にルーティングおよび割り当てることができます。