Grad-Align+：利用属性增强实现渐进式网络对齐
社会与信息网络
2022-08-25 v2 人工智能
机器学习
神经与进化计算
网络与互联网体系结构
摘要
网络对齐（NA）是发现不同网络间节点对应关系的一项任务。尽管 NA 方法已在众多场景中取得显著成功，但其令人满意的性能离不开先验锚链接信息和/或节点属性，而这些信息未必总可获得。本文提出 Grad-Align+，一种利用节点属性增强的新型 NA 方法，对这类附加信息的缺失具有较强鲁棒性。Grad-Align+ 构建于近期最先进的 NA 方法 Grad-Align 之上，后者逐步发现部分节点对直至找出所有节点对。具体而言，Grad-Align+ 由以下关键组件构成：1）基于节点中心性度量增强节点属性；2）计算从图神经网络提取的嵌入相似度矩阵，并将增强后的节点属性输入该网络；3）依据已对齐的跨网络邻居对计算跨网络节点间相似度，逐步发现节点对。实验结果表明，Grad-Align+ 具有（a）优于基准 NA 方法的性能，（b）对我们理论发现的实证验证，以及（c）属性增强模块的有效性。
引用
@article{arxiv.2208.11025,
title = {Grad-Align+: Empowering Gradual Network Alignment Using Attribute Augmentation},
author = {Jin-Duk Park and Cong Tran and Won-Yong Shin and Xin Cao},
journal= {arXiv preprint arXiv:2208.11025},
year = {2022}
}
备注
31st ACM International Conference on Information and Knowledge Management (CIKM 2022) (to appear) (Please cite our conference version.)