山东大学学报(工学版)

作者：刘国军,范天祥,王乃正,张正达,齐广智

单位：哈尔滨工业大学计算学部, 黑龙江 哈尔滨 150001

关键词：无监督学习,图嵌入,高斯分布,Householder flow,Wasserstein距离,

基金：国家自然科学基金资助项目(61976071);黑龙江省联合基金资助项目(LH2020F012)

为更好地表示节点,提出一种新的图嵌入方法,将节点表示为由均值和方差构成的高斯分布,通过应用一系列可逆 Householder变换,将相对简单的分布转换为更灵活的分布,可以更好地捕获关于其表示的不确定性。为提高稳定性,采用Wasserstein距离进行分布之间的度量。试验结果表明,在多个基准数据集上,使用Householder变换的Graph2Gauss(G2G)算法比原始模型的链接预测表现更好。通过节点分类的效果可以看出,对于节点信息缺失的图,使用Wasserstein距离可以大幅增加节点分类的F1分数。

来源：2024年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第4期