图生成模型的评估指标：问题、陷阱与实用方案
机器学习
2022-03-21 v3 社会与信息网络
机器学习
摘要
图生成模型是机器学习中一个高度活跃的分支。鉴于具有日益增长复杂性的新模型的稳步发展，有必要提供一种原则性的方式来评估和比较它们。在本文中，我们列举了此类比较指标应满足的期望标准，并概述了当今图生成模型比较的现状，其 predominantly 依赖于最大均值差异（MMD）。我们在图生成模型比较的背景下对MMD进行了系统评估，突出了研究人员可能无意中遇到的若干挑战与陷阱。在对合成生成的扰动图以及近期提出的图生成模型上彻底分析MMD的行为后，我们能够提供一套缓解这些挑战与陷阱的合适流程。我们将发现汇总为一份实用建议清单，供研究人员在评估图生成模型时使用。
引用
@article{arxiv.2106.01098,
title = {Evaluation Metrics for Graph Generative Models: Problems, Pitfalls, and Practical Solutions},
author = {Leslie O'Bray and Max Horn and Bastian Rieck and Karsten Borgwardt},
journal= {arXiv preprint arXiv:2106.01098},
year = {2022}
}
备注
Accepted as a Spotlight presentation at ICLR 2022