摆脱掩码！GAMM-A 图属性缺失机制分类学
统计力学
2026-02-10 v1
摘要
探索属性图中缺失数据的研究引入了独特挑战，这些挑战超越了传统表格数据集所面临的挑战。本文提出了 GAMM (Graph Attributes Missing Mechanisms)，将缺失机制的分类学扩展到属性图上，通过系统性地将缺失概率与节点属性及其底层图结构关联。我们的分类学通过引入图特定依赖，丰富了常规遮盖机制的定义。我们经验性地展示，虽然在传统遮盖下有效的前沿插值方法，在面对这些更现实的图感知缺失情景时，效果显著下降。
引用
@article{arxiv.2602.08405,
title = {Stationary densities in a weakly nonconserving asymmetric exclusion processes with finite resources},
author = {Sourav Pal and Abhik Basu},
journal= {arXiv preprint arXiv:2602.08405},
year = {2026}
}
备注
Preliminary version