用于社区标签的干涉图变换
机器学习
2021-06-11 v1
摘要
我们提出了一种在社区图中学习无监督节点表示的新方法。我们将干涉图变换（IGT）显著扩展到社区标签任务：该非线性算子通过解调操作迭代地提取利用图拓扑的特征。一个无监督特征提取步骤将模非线性与线性算子级联，旨在构建用于社区标签的相关不变性。通过一个简化模型，我们表明 IGT 集中在 E-IGT 附近：这两种表示通过某些遍历性性质相关联。在社区标签任务上的实验表明，该无监督表示在标准且具有挑战性的数据集 Cora、Citeseer、Pubmed 和 WikiCS 上达到了 SOTA 水平的性能。
引用
@article{arxiv.2106.05875,
title = {Interferometric Graph Transform for Community Labeling},
author = {Nathan Grinsztajn and Louis Leconte and Philippe Preux and Edouard Oyallon},
journal= {arXiv preprint arXiv:2106.05875},
year = {2021}
}