逆图识别：给定图标签能否识别节点标签？
机器学习
2020-07-14 v1 机器学习
摘要
图识别（GI）在图学习中已被长期研究，并在某些应用中（例如社交社区检测）至关重要。具体而言，GI 要求在给定节点特征集合和边连接的情况下预测目标图的标签/分数。虽然此任务很常见，但实践中出现了更复杂的情况——例如，给定不同社区的标签，我们需要在社交网络中对相似用户进行分组，即做逆向操作。这引发了一个有趣的想法：给定图所属的标签，我们能否识别节点？因此，本文定义了一个与 GI 相对立的新问题，称为逆图识别（IGI）。在对 IGI 的变体进行正式讨论后，我们选择了一个特定的节点聚类案例研究，利用图标签和节点特征，并在层次图的辅助下进一步刻画不同图之间的连接。为了解决此任务，我们提出了高斯混合图卷积网络（GMGCN），这是一种简单而有效的方法，它在 GI 协议下使用图注意力网络（GAT）进行节点级消息传递过程，然后通过高斯混合层（GML）推断每个节点的类别。GMGCN 的训练通过提出的共识损失得到进一步提升，以利用层次图的结构。我们进行了大量实验以测试 IGI 形式的合理性。我们在构建的几个基准上验证了所提方法相比其他基线的优越性。我们将发布代码及基准数据，以促进对 IGI 问题的更多研究关注。
引用
@article{arxiv.2007.05970,
title = {Inverse Graph Identification: Can We Identify Node Labels Given Graph Labels?},
author = {Tian Bian and Xi Xiao and Tingyang Xu and Yu Rong and Wenbing Huang and Peilin Zhao and Junzhou Huang},
journal= {arXiv preprint arXiv:2007.05970},
year = {2020}
}