초록
네트워크 표현 학습(NRL)은 원래 네트워크를 저차원 벡터 공간으로 매핑하여 대규모 네트워크 분석을 돕기 위해 널리 사용되고 있습니다. 그러나 기존 NRL 방법들은 이질적 정보 네트워크(HINs)에서 관계의 속성이 객체 관련성에 미치는 영향을 무시하고 있습니다. 이 문제를 해결하기 위해 본 논문에서는 표현 학습 과정에서 관계의 양과 속성을 모두 고려하는 새로운 NRL 프레임워크인 Event2vec을 제안합니다. 구체적으로, 이벤트(즉, 완전한 의미 단위)가 여러 객체 간의 관계를 나타내며, 관계의 양과 속성을 기반으로 객체 관련성을 측정하기 위해 이벤트 주도형 1차 및 2차 근접성을 정의합니다. 우리는 이론적으로 Event2vec이 어떻게 이벤트 주도형 근접성이 임베딩 공간에서 유지될 수 있는지를 증명하며, 이는 이벤트 임베딩을 활용하여 객체 임베딩 학습을 용이하게 합니다. 실험 연구는 네 개의 실제 데이터셋과 세 가지 네트워크 분석 작업(네트워크 재구성, 링크 예측, 노드 분류 포함)에서 Event2vec이 최신 알고리즘보다 우수함을 입증합니다.