用于任务无关图估值的解耦结构与特征表示

随着数据市场的兴起，对评估数据价值的方法需求显著增加。虽然已提出了众多技术，但没有针对图形作为主要数据模态的方法。在本研究中，我们将图分解为两个主要组成部分：结构和特征，专注于评估数据而不依赖于特定任务相关的指标，这使其在实际场景中适用，其中验证要求可能不足。我们引入一种新框架称为盲信消息传递，该框架基于图匹配实现 seller 与 buyer 图之间的对齐，利用基于节点置换的共享节点排列。这使得我们能够利用图 Wasserstein 距离来量化图数据集之间结构分布的差异，称为结构差异。我们 then 考虑 buyer 与 seller 图的特征方面进行数据估值，捕捉它们的统计相似性和差异，分别称为相关性和多样性。我们的方案确保买方和卖方彼此 unaware 对方的数据集。我们的实验在真实数据集上表明，我们的方法在捕捉 seller 数据的相关性、多样性和结构差异方面有效，特别是在图形数据估值场景中。