面向标注图的无见点对齐：图几何与节点属性流形之间的相互作用
人工智能
2026-02-02 v1 微分几何
摘要
标准的标注图表示学习方法——即同时重建节点属性和图结构——存在几何学上的缺陷，因为它将两个可能不兼容的度量空间合并，从而导致信息被破坏，丢失图的底层生成过程的信号。为恢复这种失去的信号，我们引入了一个自定义的变分自编码器，将流形学习与结构对齐分离。通过量化将属性流形映射到图的 Heat Kernel 所需的度量失真，我们将几何冲突转化为可解释的结构描述符。实验表明，我们的方法能够揭示常规方法难以检测到的连通性模式和异常，证明了其理论上的不足以及实际中的局限性。
引用
@article{arxiv.2601.22806,
title = {Aligning the Unseen in Attributed Graphs: Interplay between Graph Geometry and Node Attributes Manifold},
author = {Aldric Labarthe and Roland Bouffanais and Julien Randon-Furling},
journal= {arXiv preprint arXiv:2601.22806},
year = {2026}
}