- 博客(222)
- 收藏
- 关注
RSS订阅原创 HighQuality Temporal Link Prediction for Weighted Dynamic Graphs via Inductive Embedding Aggregation
在本文中，作者考虑了加权动态图上具有挑战性的 TLP。受高分辨率 VFP 的启发，作者提出了一种新颖的 IDEA 方法，该方法将归纳动态图嵌入集成到 GAN 中，并结合了误差最小化和尺度差异最小化的目标。这种混合优化目标使 IDEA 能够生成高质量的预测结果，解决了宽值域和稀疏性问题。归纳性质在原创的注意节点对齐和自适应嵌入聚合设计的支持下，进一步使 IDEA 能够解决节点集的变化。在各种场景的数据集上进行的实验验证了 IDEA 可以为具有固定和非固定节点集的加权图得出高质量的预测结果。
2024-07-02 15:55:13
362
原创 论文《Deep graph tensor learning for temporal link prediction》阅读
本文提出了一种有效的动态图嵌入方法，称为 DGTL，用于时间链接预测。DGTL 与传统的动态图学习方法不同，它避免使用循环神经网络来识别时间相关信息。相反，我们建议使用时间序列因素来学习时间链接的历史变化模式，并生成反映图的动态变化的时间耦合链接级嵌入向量。此外，我们将随时间变化的图快照表示为张量，并通过图紧凑技术使用单个图神经网络模型来捕获图的结构特征，从而实现节点级空间特征嵌入。最后，我们融合上述两个嵌入向量，通过适当地结合时空图演化信息来预测动态图中的时间链接。
2024-05-10 20:47:17
1382
原创 论文《Structural Information Enhanced Graph Representation for Link Prediction》阅读
本文从理论上分析了 GNN 在信息感知和传输方面对于链路预测的两个固有缺陷，并通过实验发现了邻居节点特征的有害影响。为了解决这些问题，我们提出了一种结构信息增强的链接预测框架，该框架涉及去除邻居节点特征，同时通过 GNN 拟合更集中的邻居结构，并引入 BST 来编码目标节点之间的结构关系，补充 GNN 的缺陷。所提出的方法在六个流行基准上取得了显着的结果，包括在 ogbl-ppa、ogbl-itation2 和 Pubmed 上排名第一。
2024-04-06 17:21:15
795
原创 论文《Simplifying Temporal Heterogeneous Network for Continuous-Time Link Prediction》阅读
论文提出了STHN——一种结合节点和链路的异构性以及时间维度的连续粒度的新颖方法，用于在不断演化的异构网络中进行链路预测。假设节点和链路类型的同质性可能对许多实际领域产生限制，并且离散时间演化模型阻碍了连续推理的可能性。结构异质性和时间信息的隐式结合使得 STHN 很容易推广到不同的领域/设置。作为未来工作的一部分，将研究不仅预测链接的出现，而且预测其（最小）持续时间。
2024-03-13 16:40:31
732
原创 论文《A Multi-Type Transferable Method for Missing Link Prediction in Heterogeneous Social Networks》阅读
在这项研究中，我们正式认识到缺失链接的类型不确定性的挑战，并提出了一种多类型可转移方法来解决它。我们提出的方法是在所提出的生成预测器和所提出的判别分类器之间的极小最大对抗的基础上构建的。生成预测器旨在根据学习到的链接表示来预测未观察到的链接是否为缺失链接。它试图捕获链接类型之间的共享特征来欺骗判别分类器，而判别分类器则试图区分不同的链接类型以免被欺骗。因此，MTTM 有效地学习可转移的特征表示，以提高异构社交网络中缺失链接的预测性能。
2023-12-16 21:38:49
911
原创 论文《Higher-order memory guided temporal random walk for dynamic heterogeneous network embedding》阅读
文章提出了一种用于动态异构网络嵌入的新型高阶记忆引导时间随机游走所提出的模型由 HoMoTRW 和 HFSG 组成。在HoMo-TRW算法中，行走步骤由访问节点生成的高阶记忆和非递减时间约束引导，有助于在DyHIN中保留足够的动态语义。接下来，我们将节点属性特征与 HoMo-TRW的输出结合起来，并将其输入 Skip-gram 模型，然后使用多元霍克斯点过程来测量历史-当前关联强度。大量实验结果验证了 HoMo-DyHNE 的卓越有效性。
2023-11-20 11:42:24
183
转载 论文《Dynamic Heterogeneous Graph Attention Neural Architecture Search》阅读
本文创新点：1.动态异构图的动态异构图注意力搜索（DHGAS）方法2.本地化空间和参数化空间3.多阶段可微的搜索算法。
2023-10-14 14:27:00
380
2
原创 论文《Link Prediction on Latent Heterogeneous Graphs》阅读
LHGNN的创新点是在未知网络节点和边类型的情况下获取节点级和边级潜在语义信息进行链路预测。
2023-10-10 12:01:31
269
原创 论文《Heterogeneous Temporal Graph Neural Network》阅读
HTGNN 由多个异构时间聚合层组成，每个聚合层都采用分层聚合机制，包括内部关系、相互关系和跨时间聚合模块，以联合建模异构空间依赖性和时间维度。
2023-09-14 20:32:37
472
1
翻译 ANAE：学习节点上下文表示用于属性网络嵌入
在本文中，从一个新的角度解决了属性网络嵌入，即学习每个节点的节点上下文表示，并将节点上下文定义为以目标节点为中心的子图以及关联的节点属性。我们提出了一种新颖的属性网络自动编码器框架，即 ANAE。对于每个节点，图上下文编码器聚合其局部子图中的所有属性信息，而图上下文解码器通过重建其局部子图中节点的属性来改进其聚合表示。ANAE捕获属性局部子图中的网络结构和节点属性信息，因此具有为属性网络学习良好节点表示的高能力。
2023-03-01 10:31:50
308
原创 C语言改错题
#include <stdio.h>#include <stdlib.h>#define STUD 30#define COURSE 5void Total(int *pScore,int sum[],float aver[],int m,int n){ int i,j; for(i=0;i<m;i++) { sum[i]=0; for(j=0;j<n;j++) {
2022-03-07 18:59:12
494
原创 C语言程序改错
#include <stdio.h>#include <stdlib.h>#define STUD 30#define COURSE 5void Total(int *pScore,int sum[],float aver[],int m,int n){ int i,j; for(i=0;i<m;i++) { sum[i]=0; for(j=0;j<n;j++) {
2022-03-05 23:40:23
350
原创 C语言指针交换
#include <stdio.h>void swap(int *a,int *b){ int temp; temp=*a; *a=*b; *b=temp;}int main(){ int a,b; printf("Please enter a,b:"); scanf("%d,%d",&a,&b); printf("Before swap: a = %d, b = %d\n",a,b); swap(
2022-03-03 20:53:52
798
原创 C语言归并排序
#include <stdio.h>#include <stdlib.h>void merge(int num[],int L,int M,int R){ int LEFT_SIZE=M-L; int RIGHT_SIZE=R-M+1; int left[LEFT_SIZE]; int right[RIGHT_SIZE]; int i,j,k;//i 是左边数组的下标，j是右边的，k是合并后的 //补满左边数组 for(i=L;i<M;i++) { l
2022-03-03 10:02:28
440
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人