iN2V: 将归纳节点嵌入引入归纳图
机器学习
2025-06-06 v1
摘要
浅层节点嵌入如node2vec(N2V)可用于没有特征的节点，或用于补充基于结构信息的现有特征。嵌入方法如N2V在新节点上的应用受限，使其仅限于训练期间可用整个图（包括测试节点）的传递设置。我们提出归纳节点2vec(iN2V)，该方法结合后续程序以计算训练期间未见节点的嵌入，并修改原始N2V训练程序以准备此后续程序。我们在几个基准数据集上进行实验，证明iN2V是将传递嵌入引入归纳设置的有效方法。使用iN2V嵌入平均可提高节点分类准确率1个百分点，具体取决于数据集和未见节点数量，可实现最高达6个百分点的改进。我们的iN2V是一种即插即用的方法，用于创建新型或丰富现有嵌入。它还可以与其他嵌入方法结合，使其成为归纳节点表示学习的通用方法。用于复现结果的代码已公开于https://github.com/Foisunt/iN2V。
引用
@article{arxiv.2506.05039,
title = {iN2V: Bringing Transductive Node Embeddings to Inductive Graphs},
author = {Nicolas Lell and Ansgar Scherp},
journal= {arXiv preprint arXiv:2506.05039},
year = {2025}
}