基于局部结构的嵌入恢复缺失节点特征

节点特征在与网络结构联合利用时可增强基于图的学习。然而，图数据中普遍缺乏节点属性。我们提出一个框架，用于恢复一组图中完全缺失的节点特征，其中我们仅已知部分图的信号。我们的方法融合了来自图拓扑和已有节点值的先验信息。我们展示了该框架的一个示例实现，其中假设节点特征依赖于局部图结构。缺失节点值通过聚合最相似节点的已知特征来估计。相似性通过一个保留局部拓扑特征的节点嵌入空间来度量，我们使用图自编码器(Graph AutoEncoder)训练该空间。我们经实证不仅展示了特征估计方法的准确性，也展示了其对下游图分类的价值。我们的成功开启了并暗示了在基于图的学习中需要重视节点特征与图结构之间关系的必要性。