GraphTune：一种具有可调结构特征的学习型图生成模型
机器学习
2023-04-07 v3 网络与互联网体系结构
摘要
图的生成模型已被积极研究数十年，并具有广泛的应用。近来，利用现代机器学习技术再现真实世界图的学习型图生成正吸引众多研究者的关注。尽管已有若干利用现代机器学习技术的生成模型被提出，但通用图的条件生成在该领域较少被探索。本文中，我们提出一种生成模型，允许我们将全局级结构特征的值作为条件进行调节。我们的模型称为GraphTune，利用长短期记忆网络（LSTM）和条件变分自编码器（CVAE）能够调节所生成图的任意结构特征的值。我们在真实图数据集上对GraphTune与传统模型进行了比较评估。评估表明，GraphTune比传统模型能够更清晰地调节全局级结构特征的值。
引用
@article{arxiv.2201.11494,
title = {GraphTune: A Learning-based Graph Generative Model with Tunable Structural Features},
author = {Kohei Watabe and Shohei Nakazawa and Yoshiki Sato and Sho Tsugawa and Kenji Nakagawa},
journal= {arXiv preprint arXiv:2201.11494},
year = {2023}
}
备注
The paper was published in IEEE Transactions on Network Science and Engineering (2023). An earlier and short version of this paper was presented at the 41st IEEE International Conference on Distributed Computing Systems (ICDCS 2021) Poster Track