Buchumschlag

Rethinking the Graph Polynomial Filter via Positive and Negative Coupling Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wen, Haodong, Du, Bodong, Liu, Ruixun, Meng, Deyu, Cao, Xiangyong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

InfraredGP: Efficient Graph Partitioning via Spectral Graph Neural Networks with Negative Corrections
von: Qin, Meng, et al.
Veröffentlicht: (2025)

Efficient Identity and Position Graph Embedding via Spectral-Based Random Feature Aggregation
von: Qin, Meng, et al.
Veröffentlicht: (2025)

Towards Unified Modeling for Positive and Negative Preferences in Sign-Aware Recommendation
von: Liu, Yuting, et al.
Veröffentlicht: (2024)

Homophily-Related: Adaptive Hybrid Graph Filter for Multi-View Graph Clustering
von: Wen, Zichen, et al.
Veröffentlicht: (2024)

Training-free Adjustable Polynomial Graph Filtering for Ultra-fast Multimodal Recommendation
von: Roh, Yu-Seung, et al.
Veröffentlicht: (2025)

MGDCF: Distance Learning via Markov Graph Diffusion for Neural Collaborative Filtering
von: Hu, Jun, et al.
Veröffentlicht: (2022)

Data-centric Graph Learning: A Survey
von: Guo, Yuxin, et al.
Veröffentlicht: (2023)

GNNAnatomy: Rethinking Model-Level Explanations for Graph Neural Networks
von: Lu, Hsiao-Ying, et al.
Veröffentlicht: (2024)

Learning Graph Filters for Structure-Function Coupling based Hub Node Identification
von: Ortiz-Bouza, Meiby, et al.
Veröffentlicht: (2024)

Diffusion-based Negative Sampling on Graphs for Link Prediction
von: Nguyen, Trung-Kien, et al.
Veröffentlicht: (2024)

Graph Neural Networks with Diverse Spectral Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2023)

Unraveling the Impact of Heterophilic Structures on Graph Positive-Unlabeled Learning
von: Wu, Yuhao, et al.
Veröffentlicht: (2024)

SpeGCL: Self-supervised Graph Spectrum Contrastive Learning without Positive Samples
von: Shou, Yuntao, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Bypassing Skip-Gram Negative Sampling: Dimension Regularization as a More Efficient Alternative for Graph Embeddings
von: Liu, David, et al.
Veröffentlicht: (2024)

Affinity Uncertainty-based Hard Negative Mining in Graph Contrastive Learning
von: Niu, Chaoxi, et al.
Veröffentlicht: (2023)

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering
von: Wang, Songbo, et al.
Veröffentlicht: (2025)

Between Linear and Sinusoidal: Rethinking the Time Encoder in Dynamic Graph Learning
von: Chung, Hsing-Huan, et al.
Veröffentlicht: (2025)

Rethinking Reconstruction-based Graph-Level Anomaly Detection: Limitations and a Simple Remedy
von: Kim, Sunwoo, et al.
Veröffentlicht: (2024)

Infinite-Horizon Graph Filters: Leveraging Power Series to Enhance Sparse Information Aggregation
von: Zhang, Ruizhe, et al.
Veröffentlicht: (2024)

HeteGraph-Mamba: Heterogeneous Graph Learning via Selective State Space Model
von: Pan, Zhenyu, et al.
Veröffentlicht: (2024)

Learning Optimal Graph Filters for Clustering of Attributed Graphs
von: Ortiz-Bouza, Meiby, et al.
Veröffentlicht: (2022)

HeroFilter: Adaptive Spectral Graph Filter for Varying Heterophilic Relations
von: Zhang, Shuaicheng, et al.
Veröffentlicht: (2025)

How Universal Polynomial Bases Enhance Spectral Graph Neural Networks: Heterophily, Over-smoothing, and Over-squashing
von: Huang, Keke, et al.
Veröffentlicht: (2024)

Subgraph Pooling: Tackling Negative Transfer on Graphs
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

Towards Faster Graph Partitioning via Pre-training and Inductive Inference
von: Qin, Meng, et al.
Veröffentlicht: (2024)

RABot: Reinforcement-Guided Graph Augmentation for Imbalanced and Noisy Social Bot Detection
von: Zhang, Longlong, et al.
Veröffentlicht: (2026)

Graph-based Diffusion Model for Collaborative Filtering
von: Zhang, Xuan, et al.
Veröffentlicht: (2025)

Graph self-supervised learning based on frequency corruption
von: Li, Haojie, et al.
Veröffentlicht: (2026)

An Effective Universal Polynomial Basis for Spectral Graph Neural Networks
von: Huang, Keke, et al.
Veröffentlicht: (2023)

Temporal Graph Analysis with TGX
von: Shirzadkhani, Razieh, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection in Heterogeneous Graphs via Energy Propagation
von: Yin, Tao, et al.
Veröffentlicht: (2025)

GSpect: Spectral Filtering for Cross-Scale Graph Classification
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2024)

Rethinking Node-wise Propagation for Large-scale Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Revealing and Utilizing In-group Favoritism for Graph-based Collaborative Filtering
von: Jung, Hoin, et al.
Veröffentlicht: (2024)

Spectral Contraction of Boundary-Weighted Filters on delta-Hyperbolic Graphs
von: Anh, Le Vu, et al.
Veröffentlicht: (2025)

Leveraging Member-Group Relations via Multi-View Graph Filtering for Effective Group Recommendation
von: Kim, Chae-Hyun, et al.
Veröffentlicht: (2025)

The Heterophilic Graph Learning Handbook: Benchmarks, Models, Theoretical Analysis, Applications and Challenges
von: Luan, Sitao, et al.
Veröffentlicht: (2024)

GISExplainer: On Explainability of Graph Neural Networks via Game-theoretic Interaction Subgraphs
von: Xian, Xingping, et al.
Veröffentlicht: (2024)

Toward Structure Fairness in Dynamic Graph Embedding: A Trend-aware Dual Debiasing Approach
von: Li, Yicong, et al.
Veröffentlicht: (2024)