Mask-GVAE：基于划分的盲去噪图方法
机器学习
2021-02-09 v1
摘要
我们提出 Mask-GVAE，一种用于大型离散图盲去噪的变分生成模型，其中“盲去噪”意指我们无需来自干净图的任何监督。我们聚焦于通过删除不相关边和添加缺失边来恢复图结构，这在现实场景中有诸多应用，例如提升合著网络中连接的质量。Mask-GVAE 利用图拉普拉斯低阶特征向量对随机噪声的鲁棒性，将输入图分解为若干稳定簇。随后它以变分方式通过解码概率平滑子图来驾驭海量计算。在多种基准上，Mask-GVAE 在 PSNR 和 WL 相似度上以显著优势超越竞争方法。
引用
@article{arxiv.2102.04228,
title = {Mask-GVAE: Blind Denoising Graphs via Partition},
author = {Jia Li and Mengzhou Liu and Honglei Zhang and Pengyun Wang and Yong Wen and Lujia Pan and Hong Cheng},
journal= {arXiv preprint arXiv:2102.04228},
year = {2021}
}
备注
11 pages, 6 figures, 4 tables, In Proceedings of the Web Conference 2021