DUPLEX：用于有向图复杂嵌入的双 GAT
机器学习
2024-07-22 v2
摘要
当前有向图嵌入方法基于无向技术，但往往不充分捕获有向边信息，导致诸多挑战：(1) 由于邻居互动不足，导致低入/出度节点表示次优；(2) 训练后表示新节点的归纳能力有限；(3) 泛化受限，因为训练过于耦合于特定任务。为此，我们提出 DUPLEX，一种用于有向图复杂嵌入的归纳框架。它 (1) 利用 Hermitian 邻接矩阵分解实现全面邻居集成，(2) 采用双 GAT 编码器进行方向性邻居建模，(3) 具备两个无参数解码器以解耦训练与特定任务。DUPLEX 在各类基准上均优于最先进模型，尤其在稀疏连通性节点上表现突出，并展现出强大的归纳能力和跨任务适应性。代码已公开于 https://github.com/alipay/DUPLEX。
关键词
引用
@article{arxiv.2406.05391,
title = {DUPLEX: Dual GAT for Complex Embedding of Directed Graphs},
author = {Zhaoru Ke and Hang Yu and Jianguo Li and Haipeng Zhang},
journal= {arXiv preprint arXiv:2406.05391},
year = {2024}
}