边缘重生：联合基于分数的图生成以丰富边属性
社会与信息网络
2024-12-30 v2 人工智能
机器学习
摘要
图生成是各种工程和科学学科中不可或缺的一部分。然而，现有方法往往忽略了边属性的生成。然而，我们识别出边属性至关重要的关键应用，使得先前的方法在此类背景下可能不适用。此外，虽然存在简单的适配，但实证研究表明，由于它们没有正确建模图组件之间的相互作用，其有效性有限。为了解决这个问题，我们提出了一种联合基于分数的节点和边图生成模型，该模型考虑了所有图组件。我们的方法提供了三个关键创新：（1）节点和边属性在注意力模块中结合，该模块基于这两个成分生成样本；（2）在图扩散过程中，节点、边和邻接信息相互依赖；（3）该框架能够生成具有丰富边属性的图，为生成任务提供了比现有工作更具表达力的公式。我们在涉及边特征至关重要的真实世界和合成数据集的挑战性基准上评估了我们的方法。此外，我们引入了一个包含边值的新合成数据集。此外，我们提出了一种新颖的应用，由于其性质，该方法从中受益匪浅：生成表示为图的交通场景。我们的方法优于其他图生成方法，在边相关度量上显示出显著优势。
引用
@article{arxiv.2402.04046,
title = {Reviving Life on the Edge: Joint Score-Based Graph Generation of Rich Edge Attributes},
author = {Nimrod Berman and Eitan Kosman and Dotan Di Castro and Omri Azencot},
journal= {arXiv preprint arXiv:2402.04046},
year = {2024}
}