[论文解读] Node-Context Network Clustering using PARAFAC Tensor Decomposition

Andri Mirzal, Masashi Furukawa|arXiv (Cornell University)|May 3, 2010

Tensor decomposition and applications参考文献 15被引用 6

一句话总结

本文提出一种基于PARAFAC张量分解的节点-上下文网络聚类方法，用于在带标签链接网络中将高度连接的节点与其相关链接标签分组。通过将网络建模为一个编码节点连接和链接标签的三阶邻接张量，该方法应用PARAFAC分解以提取每个组件的节点和标签得分，进而通过得分排序实现聚类。该方法在博客数据集上的关键任务（如识别相关词汇和相似博客）中，与标准度量的相似度达到0.87。

ABSTRACT

We describe a clustering method for labeled link network (semantic graph) that can be used to group important nodes (highly connected nodes) with their relevant link's labels by using PARAFAC tensor decomposition. In this kind of network, the adjacency matrix can not be used to fully describe all information about the network structure. We have to expand the matrix into 3-way adjacency tensor, so that not only the information about to which nodes a node connects to but by which link's labels is also included. And by applying PARAFAC decomposition on this tensor, we get two lists, nodes and link's labels with scores attached to each node and labels, for each decomposition group. So clustering process to get the important nodes along with their relevant labels can be done simply by sorting the lists in decreasing order. To test the method, we construct labeled link network by using blog's dataset, where the blogs are the nodes and labeled links are the shared words among them. The similarity measures between the results and standard measures look promising, especially for two most important tasks, finding the most relevant words to blogs query and finding the most similar blogs to blogs query, about 0.87.

研究动机与目标

• 为解决邻接矩阵在捕捉带标签链接网络中完整结构与语义信息方面的局限性。
• 开发一种联合识别关键节点及其相关链接标签的聚类方法。
• 使用编码节点间连接关系及关联链接标签的三阶张量来建模网络结构。
• 应用PARAFAC张量分解以提取可用于聚类的可解释节点与标签得分。
• 在真实世界的博客数据集上评估该方法在相关性与相似性任务中的表现。

提出的方法

• 将带标签链接网络表示为三阶邻接张量，其中条目同时编码节点连接关系与关联的链接标签。
• 对三阶张量应用PARAFAC张量分解，将其分解为两个低秩分量矩阵：一个用于节点，一个用于链接标签。
• 根据其因子载荷，为每个分解分量中的每个节点和标签分配得分。
• 通过在每个分量内按得分降序对节点和标签进行排序，执行聚类。
• 利用生成的排序列表识别关键节点及其相关标签。
• 使用共享词汇作为博客之间的带标签链接，从博客数据集构建一个带标签网络。

实验结果

研究问题

• RQ1 PARAFAC张量分解能否有效捕捉带标签链接网络中的节点连通性与标签语义？
• RQ2 该方法在识别给定博客查询的最相关标签方面表现如何？
• RQ3 该方法在检索与给定查询博客最相似的博客方面，其效果如何？
• RQ4 基于张量的方法在聚类带标签网络方面，能否优于或至少匹配传统的矩阵方法？
• RQ5 该方法在识别高影响力节点及其相关语义标签方面，其鲁棒性如何？

主要发现

• 该方法通过在三阶张量表示上应用PARAFAC分解，成功地将关键节点与其相关链接标签分组。
• 在识别博客查询最相关词汇的任务中，该方法与标准度量的相似度得分为0.87。
• 在查找与查询博客最相似博客的任务中，该方法与标准度量的相似度同样达到0.87。
• 使用三阶张量可完整捕捉结构与语义信息，克服了邻接矩阵的局限性。
• 分解结果为节点与标签提供了可解释的得分，通过简单排序即可实现有效聚类。
• 该方法在真实世界博客数据上表现出色，表明其在信息检索与网络分析中的实际应用价值。