- 为归纳式知识图谱补全构建更好的基准数据集
通过提出一种新的策略构建归纳性的知识图谱补全(Knowledge Graph Completion,KGC)数据集,此策略有助于缓解 Personalized PageRank(PPR)的缺陷,进而使用这些数据集评估了多种常见方法的性能,促 - 基于 PPR 的嵌入方法的深度理解:拓扑视角
该研究论文讨论了节点嵌入、个性化 PageRank、图拓扑以及基于 PPR 的嵌入方法对各种下游任务的优势的解释性分析。
- 少即是多:大规模知识图谱上的一次性子图推理
通过提取子图并利用 Personalized PageRank 方法进行预测,本研究在知识图谱中实现了高效和自适应的链接预测,提升了效率并在五个大规模基准测试上取得了领先的性能。
- 将亿万个参数更新加速至毫秒级的动态网络嵌入
提出了一种新的动态网络嵌入范式,即通过旋转和缩放嵌入空间的轴而不是逐个节点更新来实现动态网络嵌入,其中运用了动态个性化 PageRank 方法来增强节点嵌入和动态捕获更高阶邻居信息,并通过对不同规模动态图上节点分类、链路预测和图重构的实验表 - ICLR图神经网络超平滑的非渐进分析
本文研究了图神经网络中过度平滑的问题,并通过对随机采样自上下文随机块模型(CSBM)的图进行定量分析,从多个方面给出了应对思路。
- KDD将 PageRank 转化为无限深度图神经网络
本文提出了一种称为 PPRGN 的神经网络,该网络基于 Personalized PageRank 的思想,通过无样本学习的方式训练图像分类模型,该模型具有无限深度且不会出现过度平滑的问题,在各种节点和图像分类任务中实验表现卓越。
- 图神经网络的最优传播学习
本文提出一种基于双层优化的方法,通过直接学习个性化 PageRank 传播矩阵以及下游半监督节点分类并同时进行学习,学习最佳的图结构,并探索低秩逼近模型以进一步降低时间复杂度。实证评估表明,所提出的模型在所有基线方法中具有更高的有效性和鲁棒 - 使用图形在体外寻找药物相互作用的 TigerLily
使用 TigerGraph,基于图挖掘技术,以个性化的 PageRank 为算法基础,采用梯度提升算法构建的药物相互作用预测系统 --Tigerlily
- KDD重访面向目标节点的个性化 PageRank 算法
该论文介绍了基于 Personalized PageRank 的节点关系的单目标和多目标查询方法,其中提出了一种名为 RBS 的新算法,旨在提高查询效率和精度,适用于大型实际数据集。
- KDD基于 PageRank 的超图聚类
本文提出了两种基于个性化 PageRank 的超图聚类算法,它们都具有输出顶点集合对导纳有理论保证的优点,并在解决方案质量和运行时间方面优于现有方法。这是第一篇在具备理论保证的情况下实现了超图聚类的实用算法。
- 面向大规模社交推荐的三方异构图传播
本文提出了一种名为 “异构图传播” 的新图嵌入方法,通过使用组 - 用户 - 商品三部分图以减少社交图中的边数和路径的复杂性,分别使用个性化的 PageRank 传播方案对组 - 用户图和用户 - 商品图中的节点进行嵌入,并使用一种注意机制 - WWW大规模图上完全个性化 PageRank 的分布式算法
本文提出了使用分布式计算框架计算大型边加权图的全面边加权个性化 PageRank 的新方法,使用了蒙特卡罗近似并结合优化技术,其准确性表现显着超过基线算法,并且速度比现有技术快数个数量级。
- 简单复合体上的随机游走与归一化 Hodge 1-Laplacian
通过设计恰当的 Hodge Laplacian 归一化方法,将边缘之间的耦合进行推广,进而实现了更高阶相互作用的 Laplacian 分析,同时利用此方法提取海洋漂流器轨迹数据以及图书共购数据中的边空间信息。
- 适应性扩散实现可扩展的图学习
本文介绍了一种基于数据的方法,用于学习适应底层网络拓扑特征的类特定扩散函数,从而改善扩散分类器的性能并提高分类准确性,超过了依赖于节点嵌入和深度神经网络的最先进方法。
- MM知识图谱可解释的基于实体的推荐
本文介绍了一种通过利用知识图谱的外部知识来生成解释的方法,通过 Personalized PageRank 算法对商品和知识图谱实体进行联合排序,生成具有解释的推荐。
- KDD动态图上的近似个性化 PageRank
本文提出并研究了两种算法,用于在动态图上维护近似频繁访问节点的 PPR 向量。其中,两种变体 Forward Push 和 Reverse Push 算法,能通过图的加边和删除边的动态维护算法在保证相似性的情况下进行向前和向后推送,减少计算 - 个性化 PageRank 的高效算法
本文介绍了一种新的双向算法来估计随机游走得分,其中结合了更高效的 Monte Carlo 和线性代数方法,使速度提高了 70 倍以上,可以用于社交网络、用户 - 项目网络和网页等网络上的个性化搜索和推荐。此外,文章还提出了其他相关算法,可用 - WSDM个性化 PageRank 估算与搜索:一种双向方法
本文提出了新的 Personalized PageRank 估计和搜索算法,通过双向 PPR 估计器和基于采样的搜索算法实现了高效的估计和搜索。
- KDD大规模图形个性化 PageRank 估计的快速扩展
提出了一种新算法 FAST-PPR,用于估计个性化 PageRank,在大型图上具有高效和精度的优势。
- 求解配对和列交通时间以及 Katz 分数的快速矩阵计算
本研究利用数值线性代数方法,采用基于矩阵、矩估计和求积公式的方法,探讨了评估节点对之间的通勤时间和 Katz 得分的算法,并提出了一种从一个节点到图中所有其他节点的通勤时间和 Katz 得分近似估计方法。在 17 个真实图上的测试结果表明,