[论文解读] CubeNet: Multi-Facet Hierarchical Heterogeneous Network Construction, Analysis, and Mining

Carl Yang, Teng Dai+9 more|arXiv (Cornell University)|Sep 29, 2019

Complex Network Analysis Techniques参考文献 9被引用 6

一句话总结

CubeNet 通过基于语义元数据和文本挖掘的多 facet 层次数据立方体结构，提出了一种新颖的框架，用于构建、分析和挖掘大规模异构网络。该框架支持高效的 OLAP 风格分析、上下文模式挖掘以及查询特定的网络定位，显著提升了对通用大规模网络的可扩展性和洞察生成能力。

ABSTRACT

Due to the ever-increasing size of data, construction, analysis and mining of universal massive networks are becoming forbidden and meaningless. In this work, we outline a novel framework called CubeNet, which systematically constructs and organizes real-world networks into different but correlated semantic cells, to support various downstream network analysis and mining tasks with better flexibility, deeper insights and higher efficiency. Particular, we promote our recent research on text and network mining with novel concepts and techniques to (1) construct four real-world large-scale multi-facet hierarchical heterogeneous networks; (2) enable insightful OLAP-style network analysis; (3) facilitate localized and contextual network mining. Although some functions have been covered individually in our previous work, a systematic and efficient realization of an organic system has not been studied, while some functions are still our on-going research tasks. By integrating them, CubeNet may not only showcase the utility of our recent research, but also inspire and stimulate future research on effective, insightful and scalable knowledge discovery under this novel framework.

研究动机与目标

• 解决传统网络分析方法难以处理的、规模过大而无法分析的真实世界大规模网络的挑战。
• 开发一种系统化框架，利用元数据和文本挖掘技术，将通用网络组织为语义上有意义的分层单元。
• 通过基于立方体的操作（如上卷、下钻和对比总结）实现灵活、深入且高效的网络分析与挖掘。
• 通过将分析定位到相关语义单元，支持上下文感知和查询特定的网络挖掘。
• 整合多样化技术于统一的开源系统中，以推动网络科学中可扩展的知识发现。

提出的方法

• 利用从元数据和自动分类法生成（如 TaxoGen）中提取的主题、目标和时间分类法，构建多 facet 层次数据立方体。
• 通过 AutoPhrase 和 AutoNER 从自由文本中提取短语节点和类型化链接，实现对异构网络的语义增强。
• 通过弱监督网络分类方法 AutoPath 将节点组织为语义单元，该方法基于网络邻近性和表面名称匹配传播标签。
• 通过对比总结、基于单元的语义回溯以及基于 graphcube 启发的多粒度结构探索，实现 OLAP 风格分析。
• 通过组合流行度、完整性和独特性得分并自定义权重，实现上下文模式挖掘，以突出语义相关的子图。
• 采用轻量级强化学习方法，选择最优单元组合以覆盖查询相关节点，实现查询特定的网络定位。

实验结果

研究问题

• RQ1 如何系统性地将大规模通用异构网络组织为语义上有意义的分层单元，以提升分析可扩展性和洞察力？
• RQ2 在基于立方体组织的网络框架中，哪些技术能够有效支持 OLAP 风格分析（如对比总结和多粒度探索）？
• RQ3 如何通过基于单元的组织和局部子网络构建，使网络挖掘实现上下文感知和查询特定？
• RQ4 能否通过联合学习节点嵌入和单元对齐函数，在大规模网络中实现条件邻近搜索？
• RQ5 将网络组织为数据立方体结构，在多大程度上提升了下游挖掘任务的效率和可解释性？

主要发现

• CubeNet 成功构建了四个大规模多 facet 层次异构网络：DBLP（200 万个节点，400 亿条边）、Yelp（80 万个节点，200 亿条边）、PubMed（20 万个节点，100 亿条边）和 FreeBase（1600 万个节点，7700 万个边）。
• 系统生成了全面的分类体系，包括 DBLP 的 1.1 万个主题、Yelp 的 7 万个类别、PubMed 的 19.7 万个疾病和 FreeBase 的 80 万个类型。
• 对比网络总结支持在语义单元之间有意义地比较网络统计量（如聚类系数、路径长度），揭示了结构演化模式。
• 基于单元的语义回溯有效定位了网络查询（如节点对或子图）的相关单元，通过优化图覆盖和 top-k 检索实现高效搜索。
• 上下文模式挖掘通过组合流行度、完整性和独特性得分，实现了更高的语义相关性，且支持自定义权重以反映用户偏好。
• 采用强化学习的查询特定网络定位显著降低了计算开销，通过聚焦于相关子网络提升了分析效率和可扩展性。