Topology-Driven Attribute Recovery for Attribute Missing Graph Learning in Social Internet of Things

要約

情報技術の進歩に伴い、ソーシャル インターネット オブ シングス (SIoT) によって物理デバイスとソーシャル ネットワークの統合が促進され、複雑な相互作用パターンの研究が深まりました。
テキスト属性グラフ (TAG) は、トポロジ構造とセマンティック属性の両方をキャプチャし、SIoT 内の複雑な相互作用の分析を強化します。
ただし、既存のグラフ学習方法は通常、完全な属性付きグラフ向けに設計されており、属性欠落グラフ (AMG) で属性が欠落しているという一般的な問題により、分析タスクの難易度が高くなります。
これに対処するために、AMG 学習にトポロジ データを活用する、Topology-Driven Attribute Recovery (TDAR) フレームワークを提案します。
TDAR では、ネイティブ グラフ トポロジを使用した初期属性回復のための改良された事前入力方法が導入されています。
さらに、伝播重みを動的に調整し、AMG の固有のトポロジ構造に合わせて埋め込み空間内に均一性戦略を組み込み、情報伝播中のノイズを効果的に低減します。
公開データセットに対する広範な実験により、TDAR が属性再構築と下流タスクにおいて最先端の手法を大幅に上回り、AMG がもたらす課題に対する堅牢なソリューションを提供することが実証されました。
コードは https://github.com/limengran98/TDAR で入手できます。

要約(オリジナル)

With the advancement of information technology, the Social Internet of Things (SIoT) has fostered the integration of physical devices and social networks, deepening the study of complex interaction patterns. Text Attribute Graphs (TAGs) capture both topological structures and semantic attributes, enhancing the analysis of complex interactions within the SIoT. However, existing graph learning methods are typically designed for complete attributed graphs, and the common issue of missing attributes in Attribute Missing Graphs (AMGs) increases the difficulty of analysis tasks. To address this, we propose the Topology-Driven Attribute Recovery (TDAR) framework, which leverages topological data for AMG learning. TDAR introduces an improved pre-filling method for initial attribute recovery using native graph topology. Additionally, it dynamically adjusts propagation weights and incorporates homogeneity strategies within the embedding space to suit AMGs’ unique topological structures, effectively reducing noise during information propagation. Extensive experiments on public datasets demonstrate that TDAR significantly outperforms state-of-the-art methods in attribute reconstruction and downstream tasks, offering a robust solution to the challenges posed by AMGs. The code is available at https://github.com/limengran98/TDAR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google