【KDD2021】使用Wasserstein距离鉴别器的无监督图对齐

图对齐的目的是识别跨多个图的节点对应，这在各个领域具有重要意义。由于监督信息往往是不可获取的，无监督方法最近吸引了大量的研究兴趣。大多数现有的无监督方法都假定相应的节点应该具有类似的局部结构，然而，这往往不成立。同时，富节点属性通常是可用的，并已证明在缓解上述局部拓扑不一致问题方面是有效的。由于图卷积网络(GCNs)成功地融合了网络和节点属性用于各种学习任务，我们的目标是在GCNs的基础上解决图对齐问题。然而，由于多方面的挑战，直接将GCNs嫁接到图对齐上往往是不可行的。为了解决这一问题，我们提出了一种新的无监督图对齐框架WAlign。我们首先开发了一个轻量级的GCN架构来捕获本地和全局图模式以及它们与节点属性的内在关联。然后证明在嵌入空间中，获得最优对齐结果等价于最小化不同图中节点嵌入之间的Wasserstein距离。为此，我们提出了一种新的Wasserstein距离鉴别器来识别候选节点对应对，用于更新节点嵌入。整个过程就像一个两人博弈，最后我们得到了适合于对齐任务的鉴别嵌入。在合成和真实数据集上的大量实验验证了所提出框架WAlign的有效性和效率。