Many irregular domains such as social networks, financial transactions, neuron connections, and natural language structures are represented as graphs. In recent years, a variety of graph neural networks (GNNs) have been successfully applied for representation learning and prediction on such graphs. However, in many of the applications, the underlying graph changes over time and existing GNNs are inadequate for handling such dynamic graphs. In this paper we propose a novel technique for learning embeddings of dynamic graphs based on a tensor algebra framework. Our method extends the popular graph convolutional network (GCN) for learning representations of dynamic graphs using the recently proposed tensor M-product technique. Theoretical results that establish the connection between the proposed tensor approach and spectral convolution of tensors are developed. Numerical experiments on real datasets demonstrate the usefulness of the proposed method for an edge classification task on dynamic graphs.


翻译:许多非常规领域,如社交网络、金融交易、神经连接和自然语言结构等,都以图表形式出现。近年来,各种图形神经网络(GNNs)被成功地应用于这些图表上的演示学习和预测。然而,在许多应用中,长期的基本图形变化和现有的GNNs都不足以处理这些动态图表。在本文件中,我们提出了一种新技术,用于学习基于高代数框架的动态图形嵌入。我们的方法扩展了流行的图形共变网络(GCN),以便利用最近提出的高压M产品技术来学习动态图形的演示。建立了拟议的高压方法与高压光谱相联的理论结果正在形成。关于真实数据集的数值实验显示了拟议方法在动态图表上的边缘分类任务中的有用性。

6
下载
关闭预览

相关内容

商业数据分析,39页ppt
专知会员服务
128+阅读 · 2020年6月2日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
133+阅读 · 2020年5月26日
因果图,Causal Graphs,52页ppt
专知会员服务
190+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
109+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
142+阅读 · 2019年10月10日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
12+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
34+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
论文浅尝 |「知识表示学习」专题论文推荐
开放知识图谱
13+阅读 · 2018年2月12日
「知识表示学习」专题论文推荐 | 每周论文清单
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【论文】图上的表示学习综述
机器学习研究会
10+阅读 · 2017年9月24日
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
19+阅读 · 2019年1月3日
Arxiv
17+阅读 · 2018年10月24日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
25+阅读 · 2018年2月27日
Arxiv
6+阅读 · 2018年1月10日
VIP会员
相关资讯
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
12+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
34+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
论文浅尝 |「知识表示学习」专题论文推荐
开放知识图谱
13+阅读 · 2018年2月12日
「知识表示学习」专题论文推荐 | 每周论文清单
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【论文】图上的表示学习综述
机器学习研究会
10+阅读 · 2017年9月24日
相关论文
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
19+阅读 · 2019年1月3日
Arxiv
17+阅读 · 2018年10月24日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
25+阅读 · 2018年2月27日
Arxiv
6+阅读 · 2018年1月10日
Top
微信扫码咨询专知VIP会员