Fisher-discriminability

HERALD 框架改进了异质性数据的图压缩

一个名为 HERALD 的新框架已被开发用于图压缩，该过程创建一个较小的图来表示较大的图，同时保持下游任务的性能。与假设同质性（相邻节点共享标签）的先前方法不同，HERALD 被设计用于处理异质性（相邻节点可能具有不同标签）。它通过根据图测量的异质性调整节点评分和特征选择来实现这一点，使用诸如 Fisher-判别性和局部内在维度之类的标准。实验表明，HERALD 在各种图神经网络架构的异质性数据集上的表现与现有方法相当或更好。