Multi-MotifGAN (MMGAN)：面向网络模体的图生成与预测
社会与信息网络
2019-11-14 v1 机器学习
机器学习
摘要
生成式图模型生成模仿真实世界网络性质的图实例。生成模型能成功保留底层网络中的成对关联，但往往无法捕捉称为网络模体的高阶连通模式。不同类型的图包含不同的网络模体，例如社交与生物网络中常出现三角形。因此，捕捉这些高阶结构对于准确模拟真实世界网络至关重要。我们提出 Multi-MotifGAN (MMGAN)，一种面向模体的生成对抗网络（GAN），它推广了基准 NetGAN 方法。该推广在于组合多个偏置随机游走，每一个捕捉不同的模体结构。MMGAN 在创建准确反映输入图（如 Citeseer、Cora 和 Facebook）网络模体统计特性的新图方面优于 NetGAN。
引用
@article{arxiv.1911.05469,
title = {Multi-MotifGAN (MMGAN): Motif-targeted Graph Generation and Prediction},
author = {Anuththari Gamage and Eli Chien and Jianhao Peng and Olgica Milenkovic},
journal= {arXiv preprint arXiv:1911.05469},
year = {2019}
}