分层归纳图粗化模型

多粒度结构表征

通过逐层粗化与继承机制，为新节点融合全网多尺度结构信息，优于仅邻域建模的现有方法。

Zhao, Shu · Ci, Xu · Du, Ziwei · 张燕平 · Duan, Zhen · 陈洁

Knowledge-Based Systems 2025

技术优势

建模全局结构

迭代粗化生成多层网络结构信息，从整个网络的视角学习新节点嵌入，而非仅依赖邻近节点。

优于现有方法

在六个基准图数据集上，HireGC在归纳式节点分类和链接预测任务中表现优于多种先进模型。

应用场景

• 图表示学习：提供天然支持归纳的新节点嵌入，省去对全图重新训练。
• 社交网络分析：适应社交网络动态增长，实时为新用户生成角色感知的表示。
• 知识图谱补全：为新增实体快速嵌入，辅助链接预测进行图谱补全。