通过谱共振联合图重连与特征去噪
机器学习
2025-04-22 v4 社会与信息网络
机器学习
摘要
在从图数据学习时，图和节点特征都包含关于节点标签的噪声信息。在本文中，我们提出了一种联合去噪特征和重连图的算法（JDR），该算法提升了下游节点分类图神经网络（GNN）的性能。JDR通过对齐图矩阵和特征矩阵的主导谱空间来工作。它以近似求解相关非凸优化问题的方式处理具有多个类别和不同同质性或异质性水平的图。我们在简化设定中从理论上验证了JDR，并证明它在广泛的合成和真实节点分类任务上持续优于现有的重连方法。
引用
@article{arxiv.2408.07191,
title = {Joint Graph Rewiring and Feature Denoising via Spectral Resonance},
author = {Jonas Linkerhägner and Cheng Shi and Ivan Dokmanić},
journal= {arXiv preprint arXiv:2408.07191},
year = {2025}
}
备注
Accepted as oral at the 13th International Conference on Learning Representations (ICLR), 2025