.png){kind=icon}
返回
Centrality-Based Node Feature Augmentation for Robust Network Alignment
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2025.3596908.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络对齐（NA）是发现多个网络中节点对应关系的任务。尽管NA方法在众多场景中取得了显著成功，但其有效性依赖于额外的信息（如先验锚链接和/或节点特征），这些信息可能因隐私问题或访问限制而无法获得。为应对这一挑战，我们提出了Grad-Align+，一种基于最新NA方法Grad-Align的改进方法，该方法逐步发现部分节点对，直至找到所有节点对。在Grad-Align+的设计中，我们考虑了如何从网络对齐任务的角度增强节点特征，以及如何通过最大化利用增强后的节点特征来设计NA方法。为实现此目标，Grad-Align+包含三个关键组件：1）基于中心性的节点特征增强（CNFA），2）结合增强节点特征的图神经网络（GNN）辅助嵌入相似度计算，以及3）利用对齐跨网络邻居对（ACNs）进行渐进式NA和相似度计算。通过全面实验，我们证明了Grad-Align+展现出（a）相对于基准NA方法的优越性，（b）对CNFA有效性的实证验证及理论发现，（c）各组件的影响，（d）对网络噪声的鲁棒性，以及（e）计算效率。
Keyword:
Centrality
gradual network alignment
graph neural network
network alignment
node feature augmentation
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Global alignment of multiple protein interaction networks with application to functional orthology detection多蛋白质相互作用网络的全局比对及其在功能直系检测中的应用
OAAI
OAAI分享收藏Contrastive Multi-View Multiplex Network Embedding with Applications to Robust Network Alignment
PREAI
分享收藏分享收藏
查看更多内容