Feb, 2021

节点邻近性是必要的：统一的结构和位置节点以及图嵌入

PDF
TL;DR本篇论文介绍了 PhUSION，这是一种用于计算结构和位置节点嵌入的基于接近度的统一框架，通过聚合节点嵌入，得到模拟先前的图特征学习和核方法丢失信息的图层次特征，主要适用于节点和图层次的机器学习。
network embeddingstructural embeddingsnode proximity scoresgraph-level featuresmachine learning
发现论文，激发创造
  • 关于位置节点嵌入和结构化图表示之间的等价性

    该研究提出了第一个统一的理论框架，将节点嵌入和结构图表示相结合，通过不变量理论证明了结构表示和节点嵌入之间的关系，证明了能够使用节点嵌入执行的所有任务也都可以通过结构表示执行，并且介绍了新的指南来生成和使用节点嵌入，修复了现有标准操作程序的显著缺点。

    Oct, 2019

  • 探究和评估结构节点嵌入

    本研究探讨基于节点等价性的结构嵌入技术，并提供了严谨的内在和外在评估方法，发现节点邻域度数分布可以成为简单却有效的基准，并希望这些发现能够影响节点嵌入方法的设计并促进更全面和公正地评估结构嵌入方法。

    Jan, 2021

  • 评估和解释图的结构节点嵌入的非监督框架

    本文提出了一种无监督排序结构化图嵌入的框架，分析了结构化嵌入的特性和被嵌入的预定义节点特征，以达到提高解释性的目的。

    Jun, 2023

  • SPINE: 结构保持归纳网络嵌入

    SPINE 是一种具有归纳性的网络嵌入方法，可以同时捕捉节点之间的局部距离和任意距离的结构信息，并能够有效地处理未见节点。该方法在基准数据集上取得了超越现有技术的结果。

    Feb, 2018

  • 更强大的图神经网络：等变稳定位置编码

    本文讨论了使用位置编码技术来改进图神经网络在节点集合任务中预测的问题，并提出了一种被称为 PEG 的类 GNN 层，它使用单独的通道更新原始节点特征和位置特征。PEG 同时对原始节点特征施加排列等变性质，并对位置特征施加 O（p）等变性质，其中 p 是使用的位置特征的维度。在 8 个真实世界网络上的广泛链接预测实验表明，PEG 在泛化和可伸缩性方面具有优势。

    Mar, 2022

  • 位置感知图神经网络

    本文提出 P-GNN 方法，通过采样锚节点集并计算给定目标节点相对于所有锚节点的距离，从而学习距离加权聚合方案以产生具有位置感知能力的节点嵌入。实验结果表明该方法能有效地提升节点在图结构中的位置特征提取能力，达到了较好的实验效果。

    Jun, 2019

  • 具有可学习的结构和位置表示的图神经网络

    本文提出了一种新的 GNN 网络架构 LSPE，通过引入可学习的位置编码对节点的结构表达和位置表达进行解耦，应用在分子数据集上的实验结果表明 LSPE 能显著提高模型性能。

    Oct, 2021

  • 关于网络中的接近性和结构角色嵌入：误解、技术和应用

    本篇论文介绍了结构角色和社群的概念，阐明了二者的本质区别，探讨了通过随机游走、特征扩散等机制实现社群或角色结构嵌入的方法，并分析了适用于社群或角色结构嵌入的应用和数据特征。

    Aug, 2019

  • 关于非属性图上基于位置和结构节点的图神经网络特征

    本文介绍了两种构建人工节点特征的类型，包括位置和结构节点特征，并提供了对于每一种任务，即位置节点分类、结构节点分类和图分类，为什么每种节点特征更加适合的见解。此外，通过在 10 个基准数据集上进行广泛实验，验证了我们的洞察力，从而为非属性图上的 GNN 不同人工节点特征之间的选择提供了实用指南。

    Jul, 2021

  • 基于局部结构嵌入恢复遗失的节点特征

    通过结合网络结构，我们提出了一种从一组图中完全恢复缺失节点特征的框架，该框架利用了先前的拓扑和节点特征信息，并通过聚合相似节点的已知特征来估计缺失节点值，在图基学习中强调了节点特征和图结构的关系。

    Sep, 2023