graph summarization | BriefGPT

关键词graph summarization

搜索结果 - 11

通过监测早期训练表示进行稳健子图学习
本文提出了一种名为 SHERD（通过早期训练表示距离实现子图学习 Hale）的新技术，该技术通过在部分训练的图卷积网络（GCN）的层之间利用信息，使用标准距离度量来检测对抗攻击中的易受攻击节点。该方法识别出 “易受攻击（坏）” 的节点，并移
PDF4 months ago
基于卷积匹配的图缩减用于可扩展的图神经网络训练
通过 CONVMATCH 算法和高度可扩展的变种 A-CONVMATCH，我们提出了一种用于创建保持图卷积输出的图摘要的算法，证明 CONVMATCH 在六个真实的链接预测和节点分类图数据集上是高效的，并且在显著减小图大小的同时保持了预测性
PDF6 months ago
在图流中平衡摘要和变化检测
该研究通过在基于最小描述长度原则的基础上，引入概率隐变量模型的分层结构，设计了参数化摘要图，以解决图摘要压缩率与变化检测准确性之间的平衡问题，并通过理论框架和实证分析证明了其有效性。
PDF7 months ago
基于监督式最优输运和信息论度量的图形摘要的优势与局限性
本研究旨在探索图形数据摘要方法实现最优输运模型，以及在受监督摘要问题中利用信息熵最大化类别标签与摘要图形间的互信息增强算法，该方法在合成和某些真实数据集上均得到了分类精度和时间性能的提高，并探讨了最优输运方法的信息单调性问题。
PDFa year ago
WSDM通过节点分组的图摘要：一种谱算法
本文提出了一种叫作 SpecSumm 的算法，它利用了整数最大化和谱图理论的思想，通过节点聚合来实现图形概括，并通过贪婪启发式和 k-means 算法来进一步改进概括质量。实验证明，这个算法可以比现有算法更有效地处理数百万节点的大规模图形。
PDF2 years ago
使用图形概括扩展 R-GCN 训练
本篇研究介绍了使用图形总结技术来压缩大型数据图形以优化内存使用，然后将该技术用于 Relational Graph Convolutional Networks 的训练中，并通过在 AIFB、MUTAG 和 AM 数据集上的实验证明，使用图
PDF2 years ago
KDD增量无损图形概述
本文提出 MoSSo，第一个用于全动态图无损摘要的增量算法。基于多种新颖的想法，MoSSo 展现了快速与可伸缩的优势，并实现了与最先进的批处理方法相当的压缩比。
PDF4 years ago
KDDSSumM：稀疏化大规模图的摘要
SSumM 是一种基于最小描述长度原理的可扩展的图形摘要算法，能够合并节点和稀疏的摘要图，达到更好的压缩率和更小的重构误差。与现有方法相比，SSumM 更简明、更准确、更可扩展。
PDF4 years ago
图形摘要的可扩展近似算法
本文提出了一种有效的随机算法来计算图形摘要，旨在最小化重构误差，使用加权采样方案来合并顶点，提供算法运行时间的分析上限和得分计算的近似保证，并在几个真实世界图形上测试了算法以证明摘要的质量和与现有算法的比较，并使用摘要来回答有关原始图形的几
PDF6 years ago
VoG: 大型图的概述和理解
本文提出了在大规模图中构建子图词汇表，以及如何通过在词汇表中的子图减少总体描述长度的方式对图形进行描述，并提出了一个高效算法，以便应用于像 Flickr 和 Norte Dame 网站这样的多百万边实际应用中。
PDF10 years ago
Kronecker 图：一种网络建模方法
本文中介绍了一种名为 Kronecker graphs 的生成模型，可以截尾分布、小直径、密度增加和直径缩小等特性自动生成网络。使用 Kronecker 矩阵乘法结构和统计模拟技术，提出了一种快速、可伸缩的算法 KronFit，可用于拟合真
PDF16 years ago