PWLR图表示：一种融合随机游走的持久化Weisfeiler-Lehman图分类框架
机器学习
2022-08-30 v1 代数拓扑
摘要
本文提出用于图表示的持久化Weisfeiler-Lehman随机游走框架（缩写为PWLR），这是一种新颖的数学框架，可生成具有离散与连续节点特征的图的可解释低维表示集合。所提框架有效结合了归一化Weisfeiler-Lehman过程、图上随机游走以及持久同调。我们由此整合了图的三种不同属性，即局部拓扑特征、节点度与全局拓扑不变量，同时保持了对图扰动的稳定性。该框架推广了诸多主要用于嵌入带离散节点标签图的Weisfeiler-Lehman过程变体。实验结果表明，这些表示可高效用于生成与最先进（SOTA）技术在离散节点标签图分类上相当的结果，并在连续节点特征图分类上取得更优性能。
引用
@article{arxiv.2208.13427,
title = {The PWLR Graph Representation: A Persistent Weisfeiler-Lehman scheme with Random Walks for Graph Classification},
author = {Sun Woo Park and Yun Young Choi and Dosang Joe and U Jin Choi and Youngho Woo},
journal= {arXiv preprint arXiv:2208.13427},
year = {2022}
}
备注
Accepted to the ICML 2022 Workshop on Topology, Algebra, and Geometry in Machine Learning