Traditional Feature-based Method-Node

目录

Traditional ML Pipline

Node-level Tasks and Features

Node Degree 

Node centrality

Engienvector centrality

Betweenness centrality

 Closeness centrality

 Clustering coefficient

 graphlets

 总结

---

Traditional ML Pipline

• 这里的features包括两种类型：结构(structural)特征、描述节点的属性(attribute)和properities特征

        节点有一定附加属性，也想创造其他描述，例如节点怎么位于网络的其他部分，它的局部网络结构是什么，节点的邻域是什么，以及描述整个网络结构的features。可以之后将这些特征输入模型中做出预测。

• Traditional ML Pipeline：首先获取nodes、links、graph的特征向量；然后训练一个ML model;最后在新的数据上(新的node link graph的特征向量)应用model，做出预测。Traditional ML Pipeline使用手工设计的特征。

在图上使用有效的特征是实现好性能的关键。在本节课中概述传统的特征为了：节点、边、图的预测。为了简单，只考虑无向图。

• 图中ML的goal：为一系列感兴趣的对象(nodes,edges,sets of nodes,graphs)做预测。

Node-level Tasks and Features

• 目标：描绘一个节点在网络中的结构和位置。

Node Degree 

• 节点的度数是节点的邻居节点数(与相连的边数)
• 缺陷：将所有邻居节点同等对待，无法捕捉邻居节点的重要性。(如果几个节点的度数相同，则特征向量相同，则模型对它们做出的预测相同。没办法区分它们)

Node centrality

1.节点中心性可以考虑图中节点的重要性。

Engienvector centrality

如果节点v被重要的nodes包围，则节点v是重要的(我的邻居都重要，那我应该也重要)。

由于左式是递归的，我们如何求解呢？

对应着，即最大特征值对应的特征向量，总是正值且是唯一的

Betweenness centrality

如果一个节点在许多其他成对节点的最短路径上，那么节点重要。（如果一个节点是重要的连接器交通枢纽，那很重要）

 Closeness centrality

值越大越好

如果一个节点有到所有其他节点的最短路径，那么这个节点是重要的。

 Clustering coefficient

聚类系数用来评价节点周围邻居节点的连接程度

=邻居节点真实存在边数➗最多可能存在边数

 观察到聚类系数计算的是ego-network中三角形的数量(在社交网络中我的朋友的朋友也可能是我的朋友，社交网络会随着三角形的闭合而发展)

 graphlets

那能否对三角形进行扩展，一般化为计算给定节点附近预先指定的子图的数量——graphlets，将仅仅对三角形的计数扩展到任意结构的子图。

graphlets：rooted(基于给定节点)连通的异构子图与motifs区分

 引入GDV：计算一个节点参与的小图的数量

 GDV——是一个根植于给定节点的子图的数量向量

因为graphlets是诱导子图( induced subgraph 节点的所有连接都要包含在内)，所以节点在位置c不行，另两个节点必须要连接。

 

GDV提供了一种测量节点局部网络拓扑的方法，通过比较两个节点的GDV提供了一种比node degree和聚类系数更细节的测量局部拓扑相似性的方法。

 总结

node features可以分为：

1. Importance-based features：捕获节点在图中的重要性
   1.  node degree：只计算了节点邻居节点的数量
   2. Node centrality：可以区别对待邻居节点Models importance of neighboring nodes
2. Structure-based features：捕获节点局部邻域的拓扑结构
   1.  node degree：只计算了节点邻居节点的数量
   2. 聚类系数：用来评价节点周围邻居节点的连接程度
   3. GDV：计数不同的graphlets的数量