BriefGPT - AI 论文速递
·
图上韧性分散学习的自复制随机游走
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于随机游走的新方法，用于超图上的标签传播。该方法通过估计节点距离为随机游走的预期命中时间，并引入困惑随机游走来更好地描述实际超图。与DeepWalk相比，该方法在目标数量较小的情况下具有明显的计算优势，并且对于大型稀疏的超图，时间复杂度近似为线性，优于DeepWalk的替代方案。
🎯
关键要点
- 提出了一种基于随机游走的新方法，用于超图上的标签传播。
- 节点距离被估计为随机游走的预期命中时间。
- 引入了困惑随机游走来更好地描述复杂的实际超图。
- 与DeepWalk进行基准测试，FRW在目标数量较小的情况下具有计算优势。
- 分析了方法的时间复杂度，对于大型稀疏超图，复杂度近似为线性，优于DeepWalk的替代方案。
➡️
