Buchumschlag

Efficient Identity and Position Graph Embedding via Spectral-Based Random Feature Aggregation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qin, Meng, Liu, Jiahong, King, Irwin
Format:	Preprint
Veröffentlicht:	2025
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

HC-GLAD: Dual Hyperbolic Contrastive Learning for Unsupervised Graph-Level Anomaly Detection
von: Fu, Yali, et al.
Veröffentlicht: (2024)

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

Joint Graph Rewiring and Feature Denoising via Spectral Resonance
von: Linkerhägner, Jonas, et al.
Veröffentlicht: (2024)

Rethinking the Graph Polynomial Filter via Positive and Negative Coupling Analysis
von: Wen, Haodong, et al.
Veröffentlicht: (2024)

IRWE: Inductive Random Walk for Joint Inference of Identity and Position Network Embedding
von: Qin, Meng, et al.
Veröffentlicht: (2024)

Efficient Heterogeneous Graph Learning via Random Projection
von: Hu, Jun, et al.
Veröffentlicht: (2023)

SIGMA: An Efficient Heterophilous Graph Neural Network with Fast Global Aggregation
von: Liu, Haoyu, et al.
Veröffentlicht: (2023)

Hub-aware Random Walk Graph Embedding Methods for Classification
von: Tomčić, Aleksandar, et al.
Veröffentlicht: (2022)

Synergistic Graph Fusion via Encoder Embedding
von: Shen, Cencheng, et al.
Veröffentlicht: (2023)

Random Walk Diffusion for Efficient Large-Scale Graph Generation
von: Bernecker, Tobias, 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)

Restructuring Graph for Higher Homophily via Adaptive Spectral Clustering
von: Li, Shouheng, et al.
Veröffentlicht: (2022)

The Effects of Randomness on the Stability of Node Embeddings
von: Schumacher, Tobias, et al.
Veröffentlicht: (2020)

Spectral-Aware Augmentation for Enhanced Graph Representation Learning
von: Yang, Kaiqi, et al.
Veröffentlicht: (2023)

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

LoRAP: Low-Rank Aggregation Prompting for Quantized Graph Neural Networks Training
von: Liu, Chenyu, et al.
Veröffentlicht: (2026)

Refined Graph Encoder Embedding via Self-Training and Latent Community Recovery
von: Shen, Cencheng, et al.
Veröffentlicht: (2024)

Spectral Subspace Clustering for Attributed Graphs
von: Lin, Xiaoyang, et al.
Veröffentlicht: (2024)

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

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

Self-attention Dual Embedding for Graphs with Heterophily
von: Lai, Yurui, et al.
Veröffentlicht: (2023)

Aitchison Embeddings for Learning Compositional Graph Representations
von: Nakis, Nikolaos, et al.
Veröffentlicht: (2026)

Encoder Embedding for General Graph and Node Classification
von: Shen, Cencheng
Veröffentlicht: (2024)

Self-Attention Empowered Graph Convolutional Network for Structure Learning and Node Embedding
von: Jiang, Mengying, et al.
Veröffentlicht: (2024)

Unfolded Laplacian Spectral Embedding: A Theoretically Grounded Approach to Dynamic Network Representation
von: Ezoe, Haruka, et al.
Veröffentlicht: (2025)

Efficient and Privacy-Preserved Link Prediction via Condensed Graphs
von: Long, Yunbo, et al.
Veröffentlicht: (2025)

Principal Graph Encoder Embedding and Principal Community Detection
von: Shen, Cencheng, et al.
Veröffentlicht: (2025)

A Survey on Signed Graph Embedding: Methods and Applications
von: Ghosh, Shrabani
Veröffentlicht: (2024)

Temporal Link Prediction Using Graph Embedding Dynamics
von: Fard, Sanaz Hasanzadeh, et al.
Veröffentlicht: (2024)

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

The Graph-Embedded Hazard Model (GEHM): Stochastic Network Survival Dynamics on Economic Graphs
von: Vallarino, Diego
Veröffentlicht: (2025)

FTF-ER: Feature-Topology Fusion-Based Experience Replay Method for Continual Graph Learning
von: Pang, Jinhui, et al.
Veröffentlicht: (2024)

A Spectral Framework for Evaluating Geodesic Distances Between Graphs
von: Shuvo, Soumen Sikder, et al.
Veröffentlicht: (2024)

Deep Structural Knowledge Exploitation and Synergy for Estimating Node Importance Value on Heterogeneous Information Networks
von: Chen, Yankai, et al.
Veröffentlicht: (2024)

Is Graph Convolution Always Beneficial For Every Feature?
von: Zheng, Yilun, et al.
Veröffentlicht: (2024)

Feature Selection and Extraction for Graph Neural Networks
von: Acharya, Deepak Bhaskar, et al.
Veröffentlicht: (2019)

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

Graph Encoder Ensemble for Simultaneous Vertex Embedding and Community Detection
von: Shen, Cencheng, et al.
Veröffentlicht: (2023)

Signed Graph Autoencoder for Explainable and Polarization-Aware Network Embeddings
von: Nakis, Nikolaos, et al.
Veröffentlicht: (2024)

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