今天为大家介绍的是清华大学的朱文武老师课题组发表在KDD 2021的一篇论文“Signed Graph Neural Network with Latent Groups”。本文提出了一种新的符号网络表示学习方法GS-GNN，由全局和局部两个不同的GNN结构组成。在全局模块中，其不再基于传统的平衡理论而是采用更广义的K组理论来学习节点表示；在局部模块中，使用没有先验假设的关系GNN以补充全局模块。

GS-GNN 的主要设计是使用双重架构来学习全局嵌入矩阵Z𝐺和局部嵌入矩阵Z𝐿来作为节点表示。全局嵌入利用k组理论，即符号图具有潜在的k组结构，并且组之间的关系未知。另一方面，局部嵌入旨在合并未被k组理论捕获的个体信息。两种嵌入都是通过使用具有专门设计的GNN学习的。为简单起见，作者将最终的嵌入Z设置为局部和全局嵌入的拼接。

GS-GNN架构图
论文链接：https://dl.acm.org/doi/pdf/10.1145/3447548.3467355

内容中包含的图片若涉及版权问题，请及时与我们联系删除