MSGNN：基于一种新型磁化符号拉普拉斯矩阵的谱图神经网络
机器学习
2022-11-30 v4 人工智能
机器学习
社会与信息网络
摘要
有符号有向网络在现实应用中无处不在。然而，针对此类网络提出谱图神经网络（GNN）的研究相对较少。本文引入一种有符号有向拉普拉斯矩阵，称之为磁化符号拉普拉斯矩阵，作为有符号图上符号拉普拉斯矩阵与有向图上磁化拉普拉斯矩阵的自然推广。我们利用该矩阵构建了一种新型高效的谱 GNN 架构，并在节点聚类与链接预测任务上进行了大量实验。在这些实验中，我们考虑了与符号信息相关的任务、与方向信息相关的任务，以及同时涉及符号与方向信息的任务。我们证明了所提出的谱 GNN 能有效融合符号与方向信息，并在广泛的数据集上取得了领先性能。此外，我们提出了一种新型合成网络模型，称之为有符号有向随机块模型，以及若干基于金融时间序列中领先-滞后关系的新型真实世界数据集。
引用
@article{arxiv.2209.00546,
title = {MSGNN: A Spectral Graph Neural Network Based on a Novel Magnetic Signed Laplacian},
author = {Yixuan He and Michael Permultter and Gesine Reinert and Mihai Cucuringu},
journal= {arXiv preprint arXiv:2209.00546},
year = {2022}
}
备注
39 pages, 10 pages for the main text, accepted to LoG 2022