通过联合结构学习和最优传输实现强韧属性图对齐

Jan, 2023

通过联合结构学习和最优传输实现强韧属性图对齐

Robust Attributed Graph Alignment via Joint Structure Learning and Optimal Transport

Jianheng Tang, Weiqi Zhang, Jiajin Li, Kangfei Zhao, Fugee Tsung...

TL;DR本论文提出了 SLOTAlign—— 一个无监督的图对齐框架，将图对齐转化为两个矩阵间的最优运输问题，结合多视图结构学习增强了图表示能力并减少了图之间继承的结构和特征不一致性的影响，在六个无监督图对齐数据集和 DBP15K 知识图谱对齐基准数据集上的实验表明，SLOTAlign 表现出卓越的性能和最强的鲁棒性。

Abstract

graph alignment, which aims at identifying corresponding entities across multiple networks, has been widely applied in various domains. As the graphs to be aligned are usually constructed from different sources, the inconsistency issues of structures and features between two graphs are

graph alignment structure learning optimal transport multi-view unsupervised

发现论文，激发创造

基于优化传输和嵌入方法的无监督图对齐中提供更多表达性

无监督图对齐通过仅利用图结构和节点特征确定带属性图的一对一节点对应关系。我们提出一种名为 CombAlign 的模型框架，将计算节点表示并匹配近似嵌入的方法与确定最优传输的 Gromov-Wasserstein 学习相结合，通过特征转换、基于嵌入的启发式方法和优化权重匹配的约束，逐步优化节点对齐，实验证明在对齐准确性上较现有方法显著改进。

Jun, 2024

跨领域对齐的图优化传输

本文提出了基于图的最优传输（GOT）框架，采用最优传输学习跨领域映射，通过表示实体和动态构建的图来解决节点和结构之间的匹配问题，并通过节点匹配和结构匹配的 Wasserstein 距离和 Gromov-Wasserstein 距离用于损失公式实现对齐，在包括图像 - 文本检索、视觉问答、图像描述、机器翻译和文本摘要等各种任务中取得了一致的高效表现。

Jun, 2020

半约束最优输运用于具有悬挂情况的实体对齐

本研究提出了一种名为 SoTead 的无监督方法，用于提高实体对齐的性能，并解决不同知识图谱中的悬挂实体问题。该方法通过预先训练的词嵌入将实体对之间的转化成为最优传输问题，并引入虚拟实体对各 KG 中的悬挂实体进行对齐，最终实现一个半约束最优传输的实体对齐模型。在实验部分中，我们展示了 SoTead 在常用数据集上的优越表现，并证明其在其他基线模型中检测悬挂实体的能力。

Mar, 2022

结构化最优输运

本文提出一个非线性广义离散最优传输模型，可应用于领域自适应和自然语言处理中，同时探索其快速算法和相关属性。Illustrative experiments 展示了模型引导的结构耦合的好处。

Dec, 2017

GOT: 一种图比较的最优传输框架

我们提出了一个完全新的基于最优传输的框架，用于比较图形，该框架能够有效地解决不同任务，如图形对齐，图形分类和图形信号预测问题，通过显式解析 Wasserstein 距离的表达式，其中图拉普拉斯矩阵被用来描述类似于曲面的图形信号分布的概率分布，最终优化处理的难点是用基于贝叶斯探索的随机算法来破解图形对齐问题的非凸性。

Jun, 2019

SlotGNN：无监督发现多物体表示和视觉动态

利用无监督技术从视觉数据中学习多对象动态是一项具有挑战性的任务。本文提出一种新的框架，通过机器人交互学习可以学到稳健的对象表示的两个新架构：SlotTransport 用于从 RGB 图像中发现对象表示，SlotGNN 用于从 RGB 图像和机器人交互中预测它们的集体动态。

Oct, 2023

网络对齐的分层多边际最优输运

多网络对齐的多层次多边界优化传输框架（HOT）通过分解网络，使用融合的 Gromov-Wasserstein（FGW）质心来处理大规模的解空间，并基于多边界设置将 FGW 距离推广到多网络对齐中，进而开发了一种快速的邻近点方法以获得局部最优解，通过广泛的实验证明了 HOT 在效果和可扩展性方面都明显优于现有技术的成果。

Oct, 2023

实体对齐的冲突感知最优传输伪标记

本研究提出了一种基于最优传输建模的冲突感知伪标记（CPL-OT）模型，用于实现不同知识图谱之间的实体对齐，并证明其在基准数据集上比现有模型具有更好的表现。

Sep, 2022

多模态分布对齐的分层最优输运

该研究提出了一个基于最优传输与聚类结构相结合的层级对齐方法，同时采用 ADMM 算法和 Sinkhorn 距离来提高噪声、模糊或多峰数据的对齐精度，并在合成数据和神经信号解码中进行了应用，表明该方法对于具有一致聚类结构的数据集在跨领域对齐方面具有显著的性能改进作用。

Jun, 2019

探索图结构信息用于带悬挂节点案例的实体对齐

本文提出了一种新的实体对齐框架，使用基于图结构的弱优化的图对比学习算法和 PageRank 算法，结合两个学习目标：对比学习和最优传输学习，以利用实体之间的结构相似性来解决具有悬挂实体的实体对齐问题。实验结果表明这种方法在处理传统（宽松）和悬挂（聚合）实体对齐情况时，比当前最先进的基于纯结构信息的方法具有更好的性能。

Apr, 2023