[KDD 2022 | 论文简读] 避免由于节点嵌入中的相似性假设而导致的偏差

简读分享 | 龙文韬 编辑 | 龙文韬

论文题目

Avoiding Biases due to Similarity Assumptions in Node Embeddings

论文摘要

节点嵌入是每个节点一个的向量，用于捕获图形的结构。基本结构是图形的邻接矩阵。最近的方法还对未链接节点的相似性做出了假设。然而，这种假设可能导致对节点组的偏见。在隐私约束条件下和在动态图中，计算远距离节点之间的相似性也很困难。本文提议的嵌入称为NEWS，不做出相似性假设，避免了隐私和公平性的潜在风险。NEWS是无参数的，可实现快速链路预测，并具有线性复杂性。正如本文通过与“21 real-world”网站上的几种现有方法进行比较所表明的那样，避免假设不会明显影响模型准确性。

论文链接

https://doi.org/10.1145/3534678.3539287

github链接

https://github.com/deepayan12/news