摘要

结构身份是网络节点根据其在网络结构中的位置及其与其他节点的关系来识别的一种对称性概念。过去几十年中，结构身份在理论和实践上都得到了研究，但直到最近才开始使用表示学习技术进行处理。本文介绍了一种新的、灵活的框架——struc2vec，用于学习节点结构身份的潜在表示。struc2vec 通过层次结构在不同尺度上测量节点相似性，并构建多层图以编码结构相似性和生成节点的结构上下文。数值实验表明，现有的最先进的节点表示学习技术在捕捉更强的结构身份概念方面表现不佳，而 struc2vec 在这一任务中表现出显著优越的性能，因为它克服了先前方法的局限性。因此，数值实验还显示，struc2vec 在依赖于结构身份的分类任务中提高了性能。