节点属性与邻近性联合使用的图半监督分类

节点分类任务是在给定部分节点标签以及网络结构和其他节点属性的情况下，推断未知节点标签。通常，该任务的方法假设同质性，即相邻节点具有相似属性，且节点标签可由其在网络中的邻居或其他邻近（即附近）节点的标签预测。然而，这种假设未必总成立——事实上，在某些情况下，标签更能由每个节点的个体属性而非其邻近节点的标签预测。理想情况下，节点分类方法应能灵活适应多种设置：未知标签由邻近节点标签、个体节点属性或二者部分共同预测。本文中，我们提出一种基于生成式概率模型的原则性方法 JANE，通过嵌入联合权衡属性与节点邻近性在标签预测中的作用。我们在多种网络数据集上的实验表明，与标准基线相比，JANE 展现出所需的通用性与有竞争力的性能组合。