Buchumschlag

Graph Data Condensation via Self-expressive Graph Structure Reconstruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zhanyu, Zeng, Chaolv, Zheng, Guanjie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Simple Graph Condensation
von: Xiao, Zhenbang, et al.
Veröffentlicht: (2024)

Rethinking Federated Graph Learning: A Data Condensation Perspective
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

Self-Supervised Temporal Graph learning with Temporal and Structural Intensity Alignment
von: Liu, Meng, et al.
Veröffentlicht: (2023)

Structure-Centric Graph Foundation Model via Geometric Bases
von: He, Xiaodong, et al.
Veröffentlicht: (2026)

Structure-prior Informed Diffusion Model for Graph Source Localization with Limited Data
von: Chen, Hongyi, et al.
Veröffentlicht: (2025)

Open-Set Graph Anomaly Detection via Normal Structure Regularisation
von: Wang, Qizhou, et al.
Veröffentlicht: (2023)

CueGCL: Cluster-aware Personalized Self-Training for Unsupervised Graph Contrastive Learning
von: Li, Yuecheng, et al.
Veröffentlicht: (2023)

HGOT: Self-supervised Heterogeneous Graph Neural Network with Optimal Transport
von: Liu, Yanbei, et al.
Veröffentlicht: (2025)

Bi-Level Graph Structure Learning for Next POI Recommendation
von: Wang, Liang, et al.
Veröffentlicht: (2024)

Fine-grained Spatio-temporal Event Prediction with Self-adaptive Anchor Graph
von: Zhou, Wang-Tao, et al.
Veröffentlicht: (2025)

Global Optimization on Graph-Structured Data via Gaussian Processes with Spectral Representations
von: Hong, Shu, et al.
Veröffentlicht: (2025)

A Survey of Data-Efficient Graph Learning
von: Ju, Wei, et al.
Veröffentlicht: (2024)

Cross-Domain Graph Anomaly Detection via Test-Time Training with Homophily-Guided Self-Supervision
von: Pirhayati, Delaram, et al.
Veröffentlicht: (2025)

Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

Enhancing Graph Transformers with Hierarchical Distance Structural Encoding
von: Luo, Yuankai, et al.
Veröffentlicht: (2023)

Chi-Square Wavelet Graph Neural Networks for Heterogeneous Graph Anomaly Detection
von: Li, Xiping, et al.
Veröffentlicht: (2025)

GraphPrompter: Multi-stage Adaptive Prompt Optimization for Graph In-Context Learning
von: Lv, Rui, et al.
Veröffentlicht: (2025)

Temporal Graph Rewiring with Expander Graphs
von: Petrović, Katarina, et al.
Veröffentlicht: (2024)

Toward Data-centric Directed Graph Learning: An Entropy-driven Approach
von: Li, Xunkai, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Graph Reduction: Sparsification, Coarsening, and Condensation
von: Hashemi, Mohammad, et al.
Veröffentlicht: (2024)

Semi-supervised Credit Card Fraud Detection via Attribute-Driven Graph Representation
von: Xiang, Sheng, et al.
Veröffentlicht: (2024)

A Comprehensive Data-centric Overview of Federated Graph Learning
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Beyond Redundancy: Information-aware Unsupervised Multiplex Graph Structure Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

Graph Domain Adaptation via Homophily-Agnostic Reconstructing Structure
von: Fang, Ruiyi, et al.
Veröffentlicht: (2026)

OpenGraph: Towards Open Graph Foundation Models
von: Xia, Lianghao, et al.
Veröffentlicht: (2024)

Influence Maximization via Graph Neural Bandits
von: Feng, Yuting, et al.
Veröffentlicht: (2024)

Graph Foundation Models: A Comprehensive Survey
von: Wang, Zehong, et al.
Veröffentlicht: (2025)

Graph Representation Learning via Causal Diffusion for Out-of-Distribution Recommendation
von: Zhao, Chu, et al.
Veröffentlicht: (2024)

Mitigating topology biases in Graph Diffusion via Counterfactual Intervention
von: Wang, Wendi, et al.
Veröffentlicht: (2026)

Towards Lightweight Graph Neural Network Search with Curriculum Graph Sparsification
von: Xie, Beini, et al.
Veröffentlicht: (2024)

CAT: A Causally Graph Attention Network for Trimming Heterophilic Graph
von: He, Silu, et al.
Veröffentlicht: (2023)

Does Graph Prompt Work? A Data Operation Perspective with Theoretical Analysis
von: Wang, Qunzhong, et al.
Veröffentlicht: (2024)

Accurate Link Prediction for Edge-Incomplete Graphs via PU Learning
von: Kim, Junghun, et al.
Veröffentlicht: (2024)

A Graph is Worth $K$ Words: Euclideanizing Graph using Pure Transformer
von: Gao, Zhangyang, et al.
Veröffentlicht: (2024)

Predict, Cluster, Refine: A Joint Embedding Predictive Self-Supervised Framework for Graph Representation Learning
von: Srinivasan, Srinitish, et al.
Veröffentlicht: (2025)

Graph Fairness Learning under Distribution Shifts
von: Li, Yibo, et al.
Veröffentlicht: (2024)

Partitioning Message Passing for Graph Fraud Detection
von: Zhuo, Wei, et al.
Veröffentlicht: (2024)

FairACE: Achieving Degree Fairness in Graph Neural Networks via Contrastive and Adversarial Group-Balanced Training
von: Liu, Jiaxin, et al.
Veröffentlicht: (2025)

When Heterophily Meets Heterogeneous Graphs: Latent Graphs Guided Unsupervised Representation Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

What Do LLMs Need to Understand Graphs: A Survey of Parametric Representation of Graphs
von: Fu, Dongqi, et al.
Veröffentlicht: (2024)