员外带你读论文：LINE: Large-scale Information Network Embedding

转载

机器学习初学者 2022-09-23 14:34:13

本次要总结和分享的论文是 LINE: Large-scale Information Network Embedding，其链接论文^[1]，所参考的实现代码 code^[2]，这篇论文某些细节读起来有点晦涩难懂，不易理解，下面好好分析下。

论文动机和创新点

information network 在现实世界中无处不在，例如最常见的社交网络图。而这种网络通常包含百万以上的节点和数以十亿记的边，如果能将这种高维复杂的网络映射(降维) 到低维空间内，用于可视化、节点分类、预测、推荐等相关任务，则能产生巨大的商业和学术价值，而本论文就旨探讨如何将高维的信息网络映射(降维）到低维空间内。
现实中的信息网络十分复杂，通常包含百万以上的节点和数以十亿记的边，对于如此复杂庞大的图结构，目前大多数的图嵌入方法都不可行。
由此本文提出一种高效的网络表征学习方法，对于有向/无向、有权重/无权重的图都可适用，且可在单机器上、数小时之内完成对包含百万以上的节点和数以十亿记的边的图网络的 embedding 学习。
本论文所提方法能保存局部和全局的网络结构信息，并且提出了高效的优化技巧，使得能对包含百万节点的图进行学习。局部网络结构信息：节点间的一阶近似性（first-order proximity）全局网络结构信息：节点间的二阶近似性（second-order proximity）优化技巧：edge-sample，negative-sample
与 DeepWalk 类似深度优先搜索相比，Line 更像一种广度优先搜索，对于取得二阶相似性，广度更加合理。并且 Line 适用于带权图，而 DeepWalk 不适用。

LINE 主要内容

图结构的定义

上述公式中表示节点集合，表示边集合，对每天边上的权重表示节点和的关系强弱，若是无向图则，反正则不相等。注意本论文只探讨边权重的情况。如上所描述的图 G 基本上可以囊括现实世界中的信息网络。

一阶相似性（first-order proximity）

对于图中任意两个节点 , 都可以由边进行连接，如果在图中两节点有边则，否则等于 0，这种定义也是符合现实逻辑的，在 information network 中，如果两个用户存在连接关系，则该两个用户的性格、兴趣等可能存在相似性、如果两个网页存在连向彼此的链接，则该网页内容可能存在相似性等等。在这里可以假设有一条无向边，其两节点

由此我们可以得到在空间上的概率分布

其中

，由此可以的带上的经验概率分布论文提到要让这两种分布 KL 散度距离越近越好，去掉一些常数，由此可得到一阶相似的损失函数：

论文里提到这种一阶相似性只能应用在无向图中，不适用有向图，这里也可理解，按照一阶相似度计算，不可能存在与相似不等于与

那么问题来了，为何按照公式(3) 的优化方向，得出来的节点的表示向量真的与节点的表示向量就真的如如期的那样相似或者不相似呢？这点论文中并没有解释，可能是个常识性知识，但是仍值得探讨下，假设很大，这说明实际中，节点与很相似，那么按这公式(3) 优化，也应该很大，则也应该很大，则按照余弦相似度计算，则向量与的夹角很小，则该与

这里还有一个问题：由公式（1）计算出的里面每个概率值都是有 sigmoid 计算出来的，整体并不是一个标准概率分布，因为，严格上来说并不是一种分布。而

二阶相似性（second-order proximity）

但是如果仅仅根据两节点是否存在直接相连的边来判断相似性，显然是不够的，例如两个用户虽然没有直接相连，但是他们却存在大量共同好友，由常识也知道认为这两用户是相似的，但是他们的一阶相似性却为 0。由此定义二阶相似性：两节点各自相邻节点的一阶相似性。可解决一阶相似性的稀疏问题。

因为二阶相似性要在有向图上适用，故对每个节点，有两个角色要扮演：① 自身角色 ② 相对别的节点，节点作为上下文角色。例如对于有向边，在给定节点的情形下，节点需要承担上下文角色。每个节点都有两个角色，每个角色都有两个表示向量。例如节点的表示向量和上下文表示向量。由此可得在给定情形下，

上式中 。那么对于每个节点，都可以得到一个概率分布。同样论文中也提出了二阶的经验分布：

其中，表示节点的出度，由此得到二阶经验分布

到这来，可能有人要问，这种二阶相似性计算，如何体现 “两个节点拥有相似的相邻节点，则该两个节点肯定有相似性”，论文中对此也没有任何解释，可能是个比较常识性的问题，但是我认为仍值得深入解释一下，这里提出我个人的想法：试想一下，在公式(4)中与相邻，并且不断对与他相邻的节点

可能又有人问，为啥二阶弄个上下文向量，试想一下，在公式(4)中，如果为，那么与

优化技巧

边采样

论文里提到对于一个庞大复杂的带权有向图，其边权重的方差可能是很大的，难以训练优化，论文中提出可将每个带权边拆解成多个权重为 。但是这样做，图将变得非常复杂，对机器的 memory 要求将会剧增。为了缓解这个问题，可以对边进行带概率（相同两节点边出现频次/ 总边数）的采样（即采样出的样本服从原始样本分布）。论文中提出使用 alias method 方法进行采样。该方法查找时间复杂度 O(1)，但是建表时间复杂度 O(n)，但是只需建一次即可。详情可看 alia-method^[3]。这样就完成了对边的采样。

节点负采样

与 NLP 中的 word2vec 所遇到的问题类似，对于公式(4) 来说，分母需要遍历节点图中的所有节点，这样计算量可能非常巨大，因此需要采样部分负节点，来组成负样本，那么公式(4)可转化成如下：

对于上面公式中的求和下标，个人感觉改成应该较好理解些。上式相当于把节点与作为一对正样本(label=1)，而节点与每个采样得到的节点组成的作为负样本（label=-1），故里面有个负号。有正有负，有变大有变小才能优化。

在实写代码时，只需要将每对 pairwise 做内积乘以 label 再做 log_sigmoid，再对所有 pairwise 求和取负，再 minimize 即可。

同理在公式(3) 里面，也需要对没有边相连的节点进行采样，作为负样本，这样 有正有负，有变大有变小才能优化。

所以对一阶相似与二阶相似做完负采样后，两者损失函数一致了，不同的是对于一阶相似，需将公式(7) 中的成 ，实写代码时也是。

关键代码

class LINEModel:
    def __init__(self, args):
        self.u_i = tf.placeholder(name='u_i', dtype=tf.int32, shape=[args.batch_size * (args.K + 1)])
        self.u_j = tf.placeholder(name='u_j', dtype=tf.int32, shape=[args.batch_size * (args.K + 1)])
        self.label = tf.placeholder(name='label', dtype=tf.float32, shape=[args.batch_size * (args.K + 1)])
        self.embedding = tf.get_variable('target_embedding', [args.num_of_nodes, args.embedding_dim],
                                         initializer=tf.random_uniform_initializer(minval=-1., maxval=1.))
        self.u_i_embedding = tf.matmul(tf.one_hot(self.u_i, depth=args.num_of_nodes), self.embedding)
        if args.proximity == 'first-order':
            self.u_j_embedding = tf.matmul(tf.one_hot(self.u_j, depth=args.num_of_nodes), self.embedding)
        elif args.proximity == 'second-order':
            self.context_embedding = tf.get_variable('context_embedding', [args.num_of_nodes, args.embedding_dim],
                                                     initializer=tf.random_uniform_initializer(minval=-1., maxval=1.))
            self.u_j_embedding = tf.matmul(tf.one_hot(self.u_j, depth=args.num_of_nodes), self.context_embedding)

        self.inner_product = tf.reduce_sum(self.u_i_embedding * self.u_j_embedding, axis=1)
        self.loss = -tf.reduce_mean(tf.log_sigmoid(self.label * self.inner_product))
        self.learning_rate = tf.placeholder(name='learning_rate', dtype=tf.float32)
        # self.optimizer = tf.train.GradientDescentOptimizer(learning_rate=self.learning_rate)
        self.optimizer = tf.train.RMSPropOptimizer(learning_rate=self.learning_rate)
        self.train_op = self.optimizer.minimize(self.loss)

由上面代码可以看出当选择一阶相似性时：节点是从矩阵里取表示向量，模型也只更新矩阵；当选择二阶相似性时：节点是从矩阵里取表示向量，模型会更新

class DBLPDataLoader:
    def __init__(self, graph_file):
        self.g = nx.read_gpickle(graph_file)
        self.num_of_nodes = self.g.number_of_nodes()
        self.num_of_edges = self.g.number_of_edges()
        self.edges_raw = self.g.edges(data=True)
        self.nodes_raw = self.g.nodes(data=True)

        self.edge_distribution = np.array([attr['weight'] for _, _, attr in self.edges_raw], dtype=np.float32)
        self.edge_distribution /= np.sum(self.edge_distribution)
        self.edge_sampling = AliasSampling(prob=self.edge_distribution)
        self.node_negative_distribution = np.power(
            np.array([self.g.degree(node, weight='weight') for node, _ in self.nodes_raw], dtype=np.float32), 0.75)
        self.node_negative_distribution /= np.sum(self.node_negative_distribution)
        self.node_sampling = AliasSampling(prob=self.node_negative_distribution)

        self.node_index = {}
        self.node_index_reversed = {}
        for index, (node, _) in enumerate(self.nodes_raw):
            self.node_index[node] = index
            self.node_index_reversed[index] = node
        self.edges = [(self.node_index[u], self.node_index[v]) for u, v, _ in self.edges_raw]

    def fetch_batch(self, batch_size=16, K=10, edge_sampling='atlas', node_sampling='atlas'):
        if edge_sampling == 'numpy':
            edge_batch_index = np.random.choice(self.num_of_edges, size=batch_size, p=self.edge_distribution)
        elif edge_sampling == 'atlas':
            edge_batch_index = self.edge_sampling.sampling(batch_size)
        elif edge_sampling == 'uniform':
            edge_batch_index = np.random.randint(0, self.num_of_edges, size=batch_size)
        u_i = []
        u_j = []
        label = []
        for edge_index in edge_batch_index:
            edge = self.edges[edge_index]
            if self.g.__class__ == nx.Graph:
                if np.random.rand() > 0.5:      # important: second-order proximity is for directed edge
                    edge = (edge[1], edge[0])
            u_i.append(edge[0])
            u_j.append(edge[1])
            label.append(1)
            for i in range(K):
                while True:
                    if node_sampling == 'numpy':
                        negative_node = np.random.choice(self.num_of_nodes, p=self.node_negative_distribution)
                    elif node_sampling == 'atlas':
                        negative_node = self.node_sampling.sampling()
                    elif node_sampling == 'uniform':
                        negative_node = np.random.randint(0, self.num_of_nodes)
                    if not self.g.has_edge(self.node_index_reversed[negative_node], self.node_index_reversed[edge[0]]):
                        break
                u_i.append(edge[0])
                u_j.append(negative_node)
                label.append(-1)
        return u_i, u_j, label

    def embedding_mapping(self, embedding):
        return {node: embedding[self.node_index[node]] for node, _ in self.nodes_raw}