Oct, 2021

基于半监督的深度学习用于多重网络

PDF
TL;DR本研究提出了一种新的半监督结构感知表征学习方法，通过最大化局部节点表示和标签相关的全局图表示之间的互信息来联合建模节点和群集结构，并采用聚类感知、节点上下文全局图概括生成策略来有效地联合建模多层复合网络中的节点和群集表示，实验结果表明，提出的方法在分类、聚类、可视化和相似性搜索等任务中优于现有方法。
multiplex networkssemi-supervised learningstructure-aware representationglobal graph summarycluster representation
发现论文，激发创造
  • 多重网络中的表示学习：信息融合的位置和方法

    在本文中，我们探索在无监督或半监督方式下，针对多通道网络中的节点学习表征的问题，并通过在图处理过程的不同层次上进行多样化的信息融合方案的详细分析和实验评估，提出了在处理多通道网络时如何构建 GNN 架构的改进方法。

    Feb, 2024

  • 深度部分多重网络嵌入

    本文提出了一种新颖的深度部分多重网络嵌入方法，利用自编码器神经网络，共同的潜在子空间学习和图 Laplacian 的方法学习网络嵌入，以处理不完整的多重数据，并在节点分类，链接预测和聚类任务中展示了卓越的性能。

    Mar, 2022

  • MultiNet：一种可扩展的多层网络嵌入框架

    本文提出了 Multi-Net 方法，一种适用于复杂多层网络的快速嵌入技术，通过利用四种随机游走策略实现更精确的节点嵌入并保留其邻居特性，表现优于四个来自不同领域的真实世界数据集，并且在网络重构任务上展现了独特性。

    May, 2018

  • 从多重网络中提取信息

    本文探讨了用 Multiplex PageRank 算法来测量多层网络中节点的中心性，并表征了最近引入的指标函数 Θ^S 来描述其介观组织和社区结构的实用性。同时，本文以社会科学为例，研究了这些度量的三个多层网络数据集。

    Feb, 2016

  • 无监督带属性多重网络嵌入

    本文提出了一种面向具有属性的多重网络的简单而有效的无监督网络嵌入方法 DMGI，利用深度图最大化 (DGI) 的思想来最大化图的局部信息和全局表示，与关系类型的特定节点嵌入之间的差异，处理多种关系类型的节点之间的差异性，并使用注意机制来过滤不必要的关系类型，经实验证明 DMGI 的性能优于现有的最先进方法。

    Nov, 2019

  • 多路异构图卷积网络

    本研究提出了一种多重异构图卷积网络（Multiplex Heterogeneous Graph Convolutional Network，MHGCN），可以通过多层卷积聚合自动学习多重异构网络中不同长度的有用异构元路径交互，并有效地将多关系结构信号和属性语义集成到有监督和半监督学习范式中的学习节点嵌入中，实验证明其在各种网络分析任务中显著优于现有的嵌入基线。

    Aug, 2022

  • 面向抽取式文本摘要的多路复用图神经网络

    我们提出了一种 Multi-GCN 模型来解决文本摘要中的问题，该模型结合了句子和词语之间的不同类型关系，并根据此模型提出了一个 Multi-GraS 模型进行提取性文本摘要。

    Aug, 2021

  • 双超图卷积神经网络应用于多路二分网络嵌入

    本文提出了一种无监督的 Dual HyperGraph Convolutional Network (DualHGCN) 模型，通过将多重二分网络转化为两组同质超图，并使用谱超图卷积算子以及内部和跨域间的信息传递策略来学习有效的节点嵌入，对四个真实数据集进行基准测试，展示了 DualHGCN 显著优于现有最先进方法，并且对不同的稀疏水平和不平衡节点分布具有鲁棒性。

    Feb, 2021

  • 神经图一致的多任务场景理解半监督学习

    本研究提出了一种基于图神经网络的半监督学习方法，通过多次无监督的一致性优化，利用集成学习策略在多个视觉场景解释中实现多任务同时学习的高精度预测表现。

    Oct, 2020

  • 高维多重网络嵌入的层次聚合

    我们提出了 HMGE，一种基于分层聚合的高维多重图嵌入方法，通过学习图维度的分层组合和在每个层次进行嵌入的方式，揭示了多重图维度中隐藏的复杂信息和潜在结构，并通过局部补丁和全局摘要之间的互信息最大化来训练模型以捕捉图中处于不同位置但具有全局相关信息的能力。通过在合成和现实世界数据上进行的详细实验，我们证明了我们的方法在链接预测和节点分类等下游有监督任务中的适用性。

    Dec, 2023