神经网络下的终身图摘要:2012、2022 年和时间弯曲
原文约500字,阅读约需2分钟。发表于: 。通过神经网络对网络图进行终生图形摘要,我们研究了网络图的摘要问题。我们使用 GNNs Graph-MLP 和 GraphSAINT 以及 MLP 基准来总结时间图。我们调查了重用前一个快照中的参数对神经网络的反向和正向转移以及遗忘率的影响。我们在 2012 年和 2022 年采样的一个包含超过 1 亿条边的网图的十个周快照上进行了广泛的实验,结果显示所有网络主要使用 1...
研究发现,神经网络对网络图进行终生图形摘要时,主要使用1跳信息来确定摘要,即使进行2跳摘要。在网络图的异质性较强的情况下,2跳摘要产生的顶点摘要比1跳摘要多出十倍以上。然而,将在2012年训练的网络应用于2022年的快照时,准确性显著下降,这是因为2022年网络图的强烈异质性增加。