部分观测子图表示学习的模型与基准
机器学习
2022-09-20 v2 人工智能
社会与信息网络
摘要
子图是图中丰富的子结构，其节点和边在真实世界任务中可被部分观测。在部分观测下，现有的节点级或子图级消息传递会产生次优表示。本文形式化了一项学习部分观测子图表示的新任务。为解决该问题，我们提出部分子图 InfoMax（PSI）框架，并将现有 InfoMax 模型（包括 DGI、InfoGraph、MVGRL 和 GraphCL）推广至我们的框架中。这些模型最大化部分子图的摘要与从节点到完整子图的各种子结构之间的互信息。此外，我们提出了一种带 -hop PSI 的新颖两阶段模型，其重构完整子图的表示并提升其来自不同局部-全局结构的表达能力。在为该问题设计的训练与评估协议下，我们在三个真实世界数据集上开展实验，表明 PSI 模型优于基线。
引用
@article{arxiv.2209.00508,
title = {Models and Benchmarks for Representation Learning of Partially Observed Subgraphs},
author = {Dongkwan Kim and Jiho Jin and Jaimeen Ahn and Alice Oh},
journal= {arXiv preprint arXiv:2209.00508},
year = {2022}
}
备注
CIKM 2022 Short Paper (Camera-ready + Appendix)