结合快照合并的动态图回声状态网络用于传播过程分类
机器学习
2023-07-06 v1 社会与信息网络
摘要
传播过程分类（DPC）是时序图分类的一个热门应用。DPC 的目标是分类以离散时间时序图表示的社区内信息或瘟疫的不同传播模式。近来，一种名为动态图回声状态网络（DynGESN）的基于储备池计算的模型被提出，用于以较高效率和较低计算成本处理时序图。在本研究中，我们提出一种结合名为快照合并的新数据增强策略与 DynGESN 的新模型，以处理 DPC 任务。在我们的模型中，快照合并策略旨在通过随时间合并相邻快照来形成新快照，然后设置多个储备池编码器以从合并快照中捕获时空特征。此后，采用逻辑回归将求和池化嵌入解码为分类结果。在六个基准 DPC 数据集上的实验结果表明，我们提出的模型比 DynGESN 和若干基于核的模型具有更好的分类性能。
引用
@article{arxiv.2307.01237,
title = {Dynamical Graph Echo State Networks with Snapshot Merging for Dissemination Process Classification},
author = {Ziqiang Li and Kantaro Fujiwara and Gouhei Tanaka},
journal= {arXiv preprint arXiv:2307.01237},
year = {2023}
}