PROVCREATOR：用于合成具有节点和边属性的复杂异构图
机器学习
2025-07-29 v1
摘要
图结构数据的兴起推动了图学习和合成数据生成的关注。尽管在文本和图像领域取得了成功，但图合成生成仍具有挑战性—尤其是对于具有复杂异构模式且具有语义保真性要求的实际应用场景。现有研究主要关注单一结构和简单属性，限制了其在需要语义保真性的应用领域的实用性和相关性。在本研究中，我们引入了 ProvCreator—a 个为复杂异构图（具有高维节点和边属性）设计的合成图框架。ProvCreator 将图合成建模为序列生成任务，使其能够利用基于转换器的大型语言模型。它具备一种通用的图到序列编码器-解码器，能够 1. 无损地对图结构和属性进行编码，2. 高效压缩大型图以进行上下文建模，3. 支持端到端、可学习的图生成。为验证我们的研究，我们在两个具有挑战性的领域对 ProvCreator 进行评估：网络安全领域的系统关联图以及来自 IntelliGraph 基准数据集的知识图。在这两种情况下，ProvCreator 捕获了结构与语义之间复杂的依赖关系，使其能够生成真实且具有隐私保护意义的合成数据集。
引用
@article{arxiv.2507.20967,
title = {PROVCREATOR: Synthesizing Complex Heterogenous Graphs with Node and Edge Attributes},
author = {Tianhao Wang and Simon Klancher and Kunal Mukherjee and Josh Wiedemeier and Feng Chen and Murat Kantarcioglu and Kangkook Jee},
journal= {arXiv preprint arXiv:2507.20967},
year = {2025}
}