MSGNN: 基于新型磁性符号 Laplacian 的谱图神经网络

Sep, 2022

MSGNN: 基于新型磁性符号 Laplacian 的谱图神经网络

MSGNN: A Spectral Graph Neural Network Based on a Novel Magnetic Signed Laplacian

Yixuan He, Michael Permultter, Gesine Reinert, Mihai Cucuringu

TL;DR该研究介绍了一种名为磁签 Laplacian 的矩阵，作为有向网络的谱图神经网络（GNNs）的一种新颖有效的构建方式。实验证明，所提出的谱 GNN 可有效地结合了有向信息和签名信息，并在广泛的数据集上取得了领先的性能。

Abstract

Signed and directed networks are ubiquitous in real-world applications. However, there has been relatively little work proposing spectral graph neural networks (GNNs) for such networks. Here we introduce a signed directed Laplacian matrix, which we call the magnetic signed Laplacian, as a natural generalization of both the signed Laplacian on signed graphs a

spectral graph neural networks signed directed laplacian matrix node clustering link prediction tasks financial time series

发现论文，激发创造

MagNet：用于有向图的神经网络

本文提出了基于磁性 Laplacian 的 MagNet，一种适用于有向图的频谱图神经网络。我们将该网络应用于多种有向图节点分类和链接预测任务中，并表明 MagNet 在所有任务中表现良好，并且在大多数任务中其表现优于所有其他方法。MagNet 的基本原理使得它可以适应其他频谱 GNN 架构。

Feb, 2021

SDGNN：学习有向带符号网络节点表示

本文提出了一种名为 SDGNN 的有向图神经网络模型，根据社会理论在有向网络中学习节点嵌入表示，并同时重建了链接的符号、方向和符号三角形。实验证明，该模型优于现有的基于特征和基于网络嵌入、基于 GNN 方法的模型。

Jan, 2021

面向有向有符号图的图卷积

该研究探讨了一种利用复数编码边的信息的新型复合厄米邻接矩阵，并提出了一种基于谱图卷积的分析方法，成功地应用于带有符号有向边的有向图网络。该方法在四个真实数据集上的实验证明其具有较高的性能表现。

Aug, 2022

具有拉普拉斯增强的有向带符号图对比学习

本文提出了一种新颖的有向图对比学习方法，称为磁拉普拉斯扰动有向图对比学习 (SDGCL)，通过磁拉普拉斯扰动获取两个结构差异的图像并使用节点级对比损失来最大化两个图像之间的互信息，该模型在四个真实数据集上的表现优于其他最新模型。

Jan, 2023

有符号图注意力网络

本文中，我们提出了基于图注意力网络（GAT）的正负权网络的通用求解器 - Signed Graph Attention Network（SiGAT）。SiGAT 结合了图图形理论，将常规 GAT 表示和处理有正权重和无权重的网络扩展到对于有正权重和负权重都包含的网络。实验结果表明，SiGAT 在三个真实数据集上的表现优于基于特征和网络嵌入方法，以及现有的基于 GNN 的方法，如带符号图卷积网络（SGCN）。

Jun, 2019

谱图神经网络调研

本文总结了谱图神经网络的最新发展，包括模型、理论和应用等方面的内容，其中介绍了谱性 GNN 能够捕捉全局信息，并具有更好的可表达性和可解释性。通过对现有谱性 GNN 的分析，本文梳理了主要理论结果和应用，最后进行了定量实验来评估几种常见的谱性 GNN 模型，为未来的研究提出了一些方向。

Feb, 2023

有符号图卷积网络

本文提出了一种基于平衡理论的有向图卷积神经网络模型，用于在带有正负连接的有向图中进行节点表示学习，并证明其在 link sign prediction 等问题上的有效性。

Aug, 2018

有向有符号图的谱分析

本文研究了有向带符号图的谱分析，给出了基于矩阵扰动理论的谱投影的理论近似值，并提出了一种基于谱聚类的图划分算法 SC-DSG，并在合成和实际数据集上进行了评估，提出的算法在理论分析和实证分析都取得了很好的效果。

Dec, 2016

基于频谱的有向图卷积网络

本文提出了一种改进的基于谱的图卷积网络，通过利用重新定义的拉普拉斯矩阵改进传播模型，可以直接处理定向图，并在半监督节点分类任务中表现出比当前最先进的方法更好的效果。

Jul, 2019

PyTorch Geometric Signed Directed: 面向带有符号和有向图的图神经网络软件包

PyTorch Geometric Signed Directed (PyGSD) 是一个专门设计用于有向和有符号网络的软件包，它提供了易于使用的 GNN 模型、用于有向和有符号网络的合成数据和真实数据、任务特定的评价指标和损失函数，并使用实验证明了该方法。

Feb, 2022