简读分享 | 崔雅轩 编辑 | 赵晏浠
论文题目
MSGNN: A Spectral Graph Neural Network Based on a Novel Magnetic Signed Laplacian
论文摘要
有符号有向网络在现实应用中无处不在。然而,提出谱图神经网络(GNN)方法来分析这类网络的工作相对较少。本文介绍了一个有符号的有向拉普拉斯矩阵,我们称之为磁标志拉普拉斯算子,作为有符号图上的拉普拉斯算子和有向图上的磁拉普拉斯算子的算法。然后,我们利用这个矩阵构造了一个新的谱GNN架构,并在节点聚类和链接预测任务上进行了广泛的实验。在这些实验中,我们考虑了与签名信息相关的任务、与方向信息相关的任务以及与签名信息和定向信息相关的任务。我们证明了我们提出的谱GNN在合并有符号和方向性信息方面是有效的,并在广泛的数据集上获得了领先的性能。
论文链接
https://arxiv.org/abs/2209.00546