符号图扩散网络
机器学习
2020-12-29 v1 社会与信息网络
摘要
给定一个符号社交图，如何学习合适的节点表示以推断缺失边的符号？符号社交图在建模信任关系方面受到了广泛关注。学习节点表示对于有效分析图数据至关重要，目前已提出了多种用于学习符号图的技术，如网络嵌入和图卷积网络 (GCN)。然而，传统的网络嵌入方法对于边符号预测等特定任务并非端到端的，且基于 GCN 的方法在深度增加时会遭受性能下降问题。在本文中，我们提出了符号图扩散网络 (SGDNet)，这是一种新颖的图神经网络，能够在符号社交图中实现用于边符号预测的端到端节点表示学习。我们提出了一种专为符号图设计的随机游走技术，使得 SGDNet 能够有效扩散隐藏的节点特征。通过广泛的实验，我们证明了 SGDNet 在边符号预测准确率方面优于 SOTA 模型。
引用
@article{arxiv.2012.14191,
title = {Signed Graph Diffusion Network},
author = {Jinhong Jung and Jaemin Yoo and U Kang},
journal= {arXiv preprint arXiv:2012.14191},
year = {2020}
}
备注
15 pages