基于模体感知图神经网络的薄弱子图发现
社会与信息网络
2022-09-01 v1
摘要
薄弱子图发现旨在检测节点间社交交互少、关系弱的子图。尽管已在该任务上做出大量努力，但它们大多基于图结构数据展开。这些方法依赖于计算最短路径并需要枚举节点间的所有路径，面临组合爆炸问题。此外，它们都缺乏邻域信息的整合。为此，我们提出一种名为基于模体感知图神经网络用于薄弱子图发现（GNNM）的新模型，这是一个基于邻域聚合的 GNNs 框架，能够捕捉节点间的潜在关系。特别地，我们设计了一个 GNN 模块，基于模体感知模块将节点投影到结合节点内高阶相关性的低维向量中。然后在向量空间中设计贪心算法以获得规模大于指定约束的薄弱子图。特别地，考虑到现有评价指标无法捕捉节点间的潜在友谊，我们引入一种新颖的潜在朋友（PF）概念，从新角度度量图的薄弱性。在真实世界与合成数据集上的实验结果表明，我们提出的方法 GNNM 在效率与子图质量上优于现有算法。
引用
@article{arxiv.2208.14634,
title = {Graph Neural Networks with Motif-aware for Tenuous Subgraph Finding},
author = {Heli sun and Miaomiao Sun and Liang He and Xiaolin Jia},
journal= {arXiv preprint arXiv:2208.14634},
year = {2022}
}
备注
15 pages, 14 figures