Direction Aware Positional and Structural Encoding for Directed Graph Neural Networks

计算机科学 图形 理论计算机科学 节点(物理) 有向图 GSM演进的增强数据速率 水准点(测量) 无向图 代表(政治) 链接(几何体) 人工智能 组合数学 算法 数学 计算机网络 结构工程 大地测量学 政治 法学 政治学 工程类 地理
作者
Yonas Sium,Γεώργιος Κόλλιας,Tsuyoshi Idé,Payel Das,Naoki Abe,Aurélie Lozano,Qi Li
标识
DOI:10.1109/icassp49357.2023.10094964
摘要

We propose a novel method for computing joint 2-node structural representations for link prediction in directed graphs. Existing approaches can be grouped into two families. The first group of methods learn structural embeddings of individual nodes in the entire graph through a directed Graph Neural Network (GNNs), and then combine pairs of the encodings to get a representation for the respective node pairs. Methods in the second group compute a representation of the subgraph enclosing the two nodes by employing GNNs initialized with positional encodings and consider these as their potential edge embeddings. Both families of link prediction techniques suffer from considerable shortcomings: The former fail to differentiate two distant nodes with similar neighborhoods; The latter, although provably appropriate for learning edge representations, adopt undirected GNNs, positional encodings, and subgraphs, so the edge direction signal is inevitably lost. Our proposal is also based on the idea of enclosing subgraphs, but the subgraphs are assumed directed, and directed Graph Neural Networks (GNNs) are used to learn their node encodings and initial positional embeddings are direction-aware. Our emphasis on capturing the direction of edges is reflected in superior performance in the link prediction task against baselines with undirected GNNs on symmetrized enclosing subgraphs and existing directed GNNs over a collection of benchmark graph datasets. 1
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
aaa发布了新的文献求助20
刚刚
李大刚完成签到 ,获得积分10
1秒前
1秒前
hardworkcd完成签到,获得积分10
2秒前
念旧发布了新的文献求助10
2秒前
闪闪龙猫发布了新的文献求助10
4秒前
4秒前
墨羽完成签到,获得积分10
4秒前
5秒前
Eden发布了新的文献求助10
5秒前
孤独蘑菇完成签到 ,获得积分10
5秒前
小瓦片发布了新的文献求助30
5秒前
shao完成签到 ,获得积分10
6秒前
完美世界应助yzm788695采纳,获得30
6秒前
老宇完成签到,获得积分10
6秒前
大志完成签到,获得积分10
6秒前
ZME完成签到,获得积分10
6秒前
8秒前
8秒前
糖七泡泡完成签到 ,获得积分10
9秒前
丘比特应助迷路达采纳,获得10
10秒前
科研通AI2S应助诚心的傲芙采纳,获得10
11秒前
dr_luo驳回了Hello应助
11秒前
11秒前
Leo963852完成签到 ,获得积分10
11秒前
kinghao完成签到,获得积分10
11秒前
11秒前
11秒前
ZME发布了新的文献求助10
11秒前
巴拉巴拉发布了新的文献求助10
11秒前
桐桐应助神勇的秋采纳,获得10
12秒前
淡淡的楷瑞完成签到,获得积分20
12秒前
JamesPei应助Qqqqqq采纳,获得10
13秒前
13秒前
ppppppp_76发布了新的文献求助10
13秒前
13秒前
may完成签到 ,获得积分10
14秒前
希望天下0贩的0应助小何采纳,获得10
14秒前
酷波er应助Arthur采纳,获得10
15秒前
酷波er应助晚风采纳,获得10
15秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3160303
求助须知:如何正确求助?哪些是违规求助? 2811427
关于积分的说明 7892391
捐赠科研通 2470463
什么是DOI,文献DOI怎么找? 1315585
科研通“疑难数据库(出版商)”最低求助积分说明 630884
版权声明 602038