Adaptive multi-embedding framework for unsupervised network alignment

doi:10.1016/j.knosys.2026.116755

Adaptive multi-embedding framework for unsupervised network alignment

2026-08-01

0

PRE

AI

DOI：10.1016/j.knosys.2026.116755

原文链接

原文求助

摘要

En 中文

网络对齐旨在识别不同网络间的节点对应关系，并在许多下游任务中发挥着重要作用。由于难以获取先验锚链接，无监督网络对齐受到了越来越多的关注。然而，许多现有的无监督方法在捕捉复杂结构模式方面的能力有限，或依赖于固定的融合比例来结合多源信息，这限制了其性能并使其易受噪声影响。为解决这些局限性，我们提出了一种称为AMENA的无监督对齐框架，该框架全面建模了从局部连接到高阶角色的节点结构信息，并自适应地整合了多种节点表示。具体而言，我们首先从三个互补的角度建模节点信息：属性特征、局部结构特征和高阶角色特征。这些特征被输入到共享权重的GATv2模型中以生成相应的节点嵌入。此外，我们设计了一种自适应聚合机制，该机制根据其产生的可信伪锚对数量来估计每个嵌入的可靠性，使模型能够强调跨网络更可靠的信息源。最后，通过应用迭代细化过程来进一步提高对齐精度，通过改善匹配邻域一致性。在真实世界和合成数据集上的广泛实验表明，AMENA优于当前最优的基线方法，并在各种具有挑战性的条件下表现出强大的鲁棒性。

Keyword:

Unsupervised network alignment

GAT

Multi-embedding

Adaptive aggregation

Graphlets

Adaptive multi-embedding framework for unsupervised network alignment

摘要

期刊

机构

引用论文