GRAVITY：一种用于顶点分类的对比图表示学习框架
机器学习
2025-08-13 v1
摘要
在追求精确顶点分类的过程中，我们引入了GRAVITY（基于顶点交互拓扑的图表示学习），这是一个受物理系统启发的框架，其中物体在吸引力作用下自组织。GRAVITY将每个顶点建模为通过由结构邻近性和属性相似性塑造的学习交互来施加影响。这些交互诱导出一个潜在的势场，顶点在其中向能量高效的位置移动，围绕类别一致的吸引子聚集，并与不相关的群体保持距离。与具有静态邻域的传统消息传递方案不同，GRAVITY基于学习到的力函数自适应地调节每个顶点的感受野，从而实现由上下文驱动的动态聚合。这种场驱动的组织锐化了类别边界，并促进了潜在簇内的语义一致性。在真实世界基准上的实验表明，GRAVITY能产生具有竞争力的嵌入，在直推式和归纳式顶点分类任务中均表现出色。
引用
@article{arxiv.2508.08954,
title = {GRAVITY: A Controversial Graph Representation Learning for Vertex Classification},
author = {Etienne Gael Tajeuna and Jean Marie Tshimula},
journal= {arXiv preprint arXiv:2508.08954},
year = {2025}
}