May, 2019
可扩展的 Gromov-Wasserstein 学习用于图分割和匹配
Scalable Gromov-Wasserstein Learning for Graph Partitioning and Matching
Hongteng Xu, Dixin Luo, Lawrence Carin
TL;DR提出了一个可扩展的 Gromov-Wasserstein 学习(S-GWL)方法,用于大规模图分析,通过学习多个观察到的图的 Gromov-Wasserstein 重心图来实现多图分区和匹配,并将其统一到同一框架中,从而在准确性和效率之间取得了平衡。