基于结构化变分图自编码器的精确节点特征估计
机器学习
2023-04-07 v2
摘要
给定一个节点特征部分观测的图,我们如何准确估计缺失特征?特征估计是分析真实世界图的关键问题,这类图的特征在数据收集过程中常常缺失。准确估计不仅提供节点的多样信息,也支持需要完整节点特征观测的图神经网络推断。然而,设计有效的估计高维特征的方法具有挑战性,因为这要求估计器具备强大的表示能力,从而增加了过拟合风险。本工作中,我们提出SVGA(结构化变分图自编码器),一种用于特征估计的准确方法。SVGA通过结构化变分推断对潜变量分布施加强正则化,该推断将变量的先验基于图结构建模为高斯马尔可夫随机场。因此,SVGA结合了概率推断与图神经网络的优点,在真实数据集上取得了最先进的性能。
引用
@article{arxiv.2206.04516,
title = {Accurate Node Feature Estimation with Structured Variational Graph Autoencoder},
author = {Jaemin Yoo and Hyunsik Jeon and Jinhong Jung and U Kang},
journal= {arXiv preprint arXiv:2206.04516},
year = {2023}
}
备注
Fixed Table 4 from the KDD 2022 version