BriefGPT.xyz
Ask
alpha
关键词
node correspondence
搜索结果 - 3
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
→
PDF
18 days ago
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
→
PDF
9 months ago
使用图拓扑的不确定性感知高效子图同构
在没有节点标签的情况下,我们提出了一种在不精确匹配的情况下识别子图与完整图之间节点对应关系的方法,该方法包括两个步骤:提取子图的最小唯一拓扑保持子集及在全图中查找可行匹配,实现基于边界可交换性的独特路径配对扩展匹配集,并通过共识算法。
PDF
2 years ago
Prev
Next