要約
ネットワークのトポロジカル情報は、ネットワーク内のノード間の関係を研究する上で不可欠です。最近、ネットワークを低次元ベクトル空間に射影するネットワーク表現学習（NRL）が、大規模ネットワークの分析においてその優位性を示しています。しかし、既存の大多数のNRL手法は、ネットワークの局所的なトポロジーを保つように設計されており、全体的なトポロジーを捉えることができません。この問題に対処するために、私たちは局所と全体のトポロジカル情報を両方捉えるための新しいNRLフレームワークであるHSRLを提案します。具体的には、HSRLはコミュニティ認識圧縮戦略を使用して入力ネットワークを再帰的に一連の小さなネットワークに圧縮します。その後、既存のNRL手法を使用して各圧縮されたネットワークからノード埋め込みを学習します。最後に、入力ネットワークのノード埋め込みは、すべての圧縮されたネットワークからのノード埋め込みを連結することで得られます。5つの実世界データセットにおけるリンク予測に関する経験的研究では、HSRLが最先端手法に対して優位性を持つことが示されています。