attributed graphs | BriefGPT

关键词attributed graphs

搜索结果 - 12

子群移位下的新颖节点类别检测
通过结合受限制的回溯学习框架和高效的图链接预测机制，我们引入了一种新的方法，受限制的召回率优化与选择性链接预测 (RECO-SLIP)，以在具有次群体转变的带属性图中检测属于新类别的节点，并在多个图数据集上进行了全面的实证评估，证明了 RE
PDF3 months ago
大规模属性图节点表示学习中的标签解卷积以消除学习偏差
在属性图上的节点表示学习中，我们提出了一种有效的标签正则化技术，即标签解卷积（LD），以解决联合训练中的学习偏差问题，该方法能够显著优于开放图基准数据集上的现有方法。
PDF9 months ago
ICML通过基于分数的生成模型进行网络异常检测
本文提出了一种基于评分模型的方法来解决属性图中节点异常检测的问题，并在小规模图上取得了有竞争力的结果。对 Dirichlet 能量进行了实证分析，表明生成模型可能难以准确重构它。
PDFa year ago
属性图中的图表示学习：基于语义随机游走的方法
该研究聚焦于属性图中的图表征学习（即网络嵌入）。与现有的嵌入方法不同，我们提出了一种新颖的语义图表征（SGR）方法，将两个异构源的联合优化结合到一个基于公共高阶接近度的框架中，以全面编码原始图中节点和属性之间的复杂同构和异构关系。我们证明，
PDFa year ago
解耦异常鉴别和表示学习：自监督学习用于属性图的异常检测
本文提出了一种独特的算法 DSLAD，它是一种自监督方法，可将异常检测的异常磨合和表示学习分离。DSLAD 使用双线性池化和掩蔽自编码器作为异常磨合器。通过解耦异常磨合和表示学习，构建了一个平衡的功能空间，节点之间的语义辨别性更强，同时可以
PDFa year ago
Weisfeiler--Lehman goes Dynamic: 分析图神经网络在属性和动态图上的表现能力
本文对静态无向同质图和动态图、属性图等不同类型的图中图神经网络（GNNs）的表达能力进行了理论分析，提出了适当的 1-WL 测试，并证明了 GNNs 与 1-WL 测试在区分动态图和属性图上具有相同的能力，且 GNNs 可以模拟 1-WL
PDF2 years ago
Tree Mover's Distance: 桥接图度量和图神经网络的稳定性
本文提出了一种针对属性图的伪度量（TMD），并研究了它与泛化的关系，显示出 TMD 捕捉了与图分类相关的属性，且良好相关性对于泛化的 GNNs 来说性能下降。
PDF2 years ago
IJCAI属性图聚类：深度注意力嵌入方法
本文提出了一种 DAEGC 算法，该算法通过引入注意力机制和自训练图聚类方法，针对特定聚类任务设计深度学习方法以生成目标图形的嵌入表征。
PDF5 years ago
AAAI属性图上的深度贝叶斯优化
本文提出了一种基于深度图神经网络的可扩展深度图贝叶斯优化方法，用于优化具有上下文特征的 attributed graphs 的 graph structure，解决了传统模型自由方法计算时间长的问题，并在分子发现和城市道路网络设计等人工和真
PDF5 years ago
高效聚类大规模带属性图
提出了一种快速可扩展的算法 SToC (Semantic-Topological Clustering)，用于将大规模带属性图分割为同质化的簇，并利用底部 - k 草图、传统图论概念和新的异构距离测量组合方案，快速计算高质量的划分。
PDF7 years ago
属性图的聚类：模型、度量和方法
该文章是关于图聚类中的属性图的现状调查，总结了最新的研究成果和主要的聚类算法，并且介绍了分析聚类结果的评估方法和当前存在的开放问题。
PDF9 years ago
ICML属性图的子图匹配核函数
论文通过提出基于子图匹配的图内核来解决无属性子图匹配内核所面临的属性不匹配的问题，并通过灵活的打分方案对子图匹配进行评分。作者还提出了用于计算内核的图论算法，并在对真实世界图进行分类任务时取得了鼓舞人心的实验结果。
PDF12 years ago