新框架使用谱矩来指导图结构分析

研究人员开发了一个名为“动量引导的边采样”的新颖框架，以更好地理解和控制图结构局部变化如何影响其整体属性。该方法利用随机游走转移矩阵的谱矩来量化添加或删除边的影响。该框架提供了高效的计算方法，将单边编辑的复杂度从 O(mn) 降低到 O(m)，并证明保留这些矩可以有效地保留相关的结构属性，如三角形加权聚类系数。通过提供可解释的结构签名，这种方法对改进图学习任务（如节点分类和图对比学习）具有启示意义。 AI

影响 增强了对图结构的理解和控制，有望提高基于图的机器学习任务的性能。

排序理由 关于图分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• cs.LG
• Graph Contrastive Learning
• graph learning
• Moment-guided edge sampling
• Node Classification
• random-walk transition matrix
• triangle-weighted clustering coefficient

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →