11、网络嵌入技术：大规模图与异质图的深入探索

网络嵌入技术：大规模图与异质图的深入探索

1. COSINE框架的实证分析

在大规模图的网络嵌入研究中，COSINE框架展现出了卓越的性能。我们先来看其在多标签分类任务中的表现。

1.1 多标签分类结果

在Flickr和Yelp两个数据集上，对不同训练比例下的多种方法进行了多标签分类实验，结果如下：
- Flickr数据集
| %训练比例 | 1% | 4% | 7% | 10% |
| — | — | — | — | — |
| Micro - F1(%) | | | | |
| DeepWalk | 39.7% | 40.6% | 40.9% | 41.0% |
| COSINE - DW | 40.4% | 41.6% | 42.1% | 42.3% |
| node2vec(p = 2, q = 0.5) | 39.8% | 40.7% | 40.9% | 41.0% |
| COSINE - N2V(p = 1, q = 1) | 40.4% | 41.6% | 42.1% | 42.3% |
| LINE2nd | 41.0% | 41.7% | 41.8% | 41.9% |
| COSINE - LINE2nd | 40.8% | 42.1% | 42.7% | 42.9% |
| Macro - F1(%) | | | | |
| DeepWalk | 26.8% | 29.9% | 30.6% | 31.0% |
|