在图分析与学习领域，现有研究工作普遍只基于某一种图节点邻近度/图传播方式进行算法优化，而缺乏一种针对图传播范式的通用算法。近期发表于 KDD 2021 的论文 《Approximate Graph Propagation》，将目前绝大多数的图节点邻近度指标和图神经网络特征传播形式都归纳为一个概括性的图传播范式，针对该图传播范式，提出了一个时间复杂度近似最优的通用算法AGP。 
这篇论文由中国人民大学、香港中文大学和北京理工大学合作完成，第一作者为中国人民大学博士生王涵之、第二作者为中国人民大学博士生何明国，通讯作者为中国人民大学魏哲巍教授。
论文具体信息如下：

论文地址:

https://dl.acm.org/doi/abs/10.1145/3447548.3467243

Technical Report：

https://arxiv.org/pdf/2106.03058.pdf

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