基于局部?jī)?yōu)化的圖表示學(xué)習(xí)增強(qiáng)

摘要： 隨著圖表示學(xué)習(xí)在多個(gè)領(lǐng)域的成功應(yīng)用，針對(duì)不同圖數(shù)據(jù)和問(wèn)題而設(shè)計(jì)的圖表示學(xué)習(xí)方法爆發(fā)式增長(zhǎng).然而，圖噪聲的存在限制了圖表示學(xué)習(xí)的能力.為有效降低圖網(wǎng)絡(luò)中的噪聲比例，首先分析了圖節(jié)點(diǎn)局部鄰接的分布特性，并理論證明在局部鄰接拓?fù)錁?gòu)建時(shí)，探索高階鄰近信息能夠優(yōu)化增強(qiáng)圖表示學(xué)習(xí)的性能.其次，提出“2步驟”局部子圖優(yōu)化策略（local subgraph optimization strat...