FUSE：基于结构与标签感知优化的快速半监督节点嵌入学习
机器学习
2025-10-14 v1
摘要
图基学习是分析结构数据中的核心方法，节点分类是其中的核心任务。然而，在许多真实图中，节点缺乏信息丰富的特征向量，仅保留邻域连通性和类别标签作为可用信号。在此类情况下，有效分类依赖于学习能捕获结构角色和拓扑语境的节点嵌入。我们引入一种快速半监督嵌入框架，联合优化三个互补目标：（i）通过可扩展模块化逼近实现无监督结构保持，（ii）通过最小化标记节点间的类内方差实现监督正则化，（iii）通过注意力加权相似度的随机漫步基于标签的传播实现半监督传播。这些组件统一到一个迭代优化方案中，生成高质量的节点嵌入。在标准基准测试中，我们的方法始终能够实现与最先进方法相当或更好的分类准确率，同时所需计算成本显著降低。
引用
@article{arxiv.2510.11250,
title = {FUSE: Fast Semi-Supervised Node Embedding Learning via Structural and Label-Aware Optimization},
author = {Sujan Chakraborty and Rahul Bordoloi and Anindya Sengupta and Olaf Wolkenhauer and Saptarshi Bej},
journal= {arXiv preprint arXiv:2510.11250},
year = {2025}
}