通过领域知识注入和平滑图信号表示实现信息引导的图学习

图信号处理代表了数据分析领域的一项重要进步，它将传统的信号处理方法扩展到复杂网络，从而促进了跨不同领域的信息模式和结构的探索。然而，为特定应用获取底层图结构仍然是一项具有挑战性的任务。虽然基于平滑图信号表示的图推断已成为最先进的方法之一，但这些方法通常忽略了网络的独特属性，而这些属性通常源于特定领域的知识。忽略这些信息可能会使方法整体上可解释性降低且效果不佳。在本研究中，我们提出了一种利用可用领域知识的新图推断方法。所提出的方法在利用图信号重建技术进行去噪和缺失传感器数据插补的任务上进行了评估。结果表明，将领域知识纳入图推断过程可以改善区域供热网络中的图信号重建。我们的代码可在\href{https://github.com/Keiv4n/IGL}{github.com/Keiv4n/IGL}获取。