Kendall tau_b

新的GNN模型以更少的参数对网络节点进行介数中心性排序

研究人员开发了一种新的图神经网络（GNN）架构，称为Degree-Mass Message Passing，旨在高效地对大型网络中的节点按介数中心性进行排序。该模型利用节点重要性与多跳度数质量之间的关系，使用度数质量作为大小不变特征。通过在模仿真实世界网络特征（包括有向和无向无标度网络）的合成图上进行训练，该方法提高了泛化能力。在14个真实世界网络上的实验表明，与现有的GNN基线相比，排序相关性有了显著提高，同时参数量大幅减少，推理时间也更快。