用于图数据补全的卷积图张量网络
机器学习
2023-03-03 v2 人工智能
摘要
图数据补全是一个根本性问题，因为数据通常具有图结构，例如社交网络、推荐系统和物联网。我们考虑一个图，其中每个节点有一个数据矩阵，通过将数据矩阵在第三维堆叠表示为一个\textit{图张量}（graph-tensor）。本文提出一种\textit{卷积图张量网络}（\textit{Conv GT-Net}）用于图数据补全问题，其使用深度神经网络学习图张量的一般变换。在 ego-Facebook 数据集上的实验结果表明，相较于现有算法，所提\textit{Conv GT-Net} 在补全精度（提高 50%）和补全速度（快 3.6x 8.1x）上均取得显著提升。
引用
@article{arxiv.2103.04485,
title = {Convolutional Graph-Tensor Net for Graph Data Completion},
author = {Xiao-Yang Liu and Ming Zhu},
journal= {arXiv preprint arXiv:2103.04485},
year = {2023}
}