基于随机游走路径的自监督图拓扑不平衡学习

作     者：秦者云 卢宪凯 袭肖明 任春晓 聂秀山 尹义龙 

作者机构：山东大学软件学院 山东建筑大学计算机科学与技术学院 山东省国际人才交流服务中心 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070104[理学-应用数学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重点项目(U23A20389) 

主　　题：图拓扑不平衡 自监督图表示学习 随机行走路径 同质性假设 拓扑距离衰减 

摘      要：图拓扑不平衡问题，由于节点在拓扑空间中的不均匀和不对称分布，对图神经网络性能产生了严重的负面影响.当前的研究主要侧重于标记节点，而对无标记节点的关注较少.为应对这一挑战，提出了一种基于随机游走路径的自监督学习方法，旨在解决拓扑不平衡问题带来的同质性假设限制、拓扑距离衰减以及注释衰减等难题.该方法引入了多跳路径的子图邻域概念，以更全面地捕捉节点之间的关系和局部特征.首先，通过路径间聚合策略，学习多跳路径中的同质和异质特征，从而不仅保留了节点的原始属性，还维护了它们在随机游走序列中的初始结构连接.此外，结合了基于多条路径的子图采样和子图生成策略以及结构化的对比损失，最大化了同一节点局部子图的内在特征，从而增强了图表示的表达能力.经过实验验证，该方法在多种不平衡场景下都表现出了出色的有效性和泛化性能.这一研究为解决图拓扑不平衡问题提供了新的方法和视角.