Node concordance: a local homophily prediction task in graphs (2023)
- Authors:
- Autor USP: MARTINELLI, CAIO LORENZETTI - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/D.45.2023.tde-25092023-200028
- Subjects: MODELOS PARA PROCESSOS ESTOCÁSTICOS; TEORIA DOS GRAFOS
- Keywords: Classificação de nós; Graph Neural Networks; Graph representation learning; Graph topology; Homofilia; Homophily; Link prediction; Node classification; Predição de arestas; Tarefas em grafos; Tasks on graphs; Topologia de grafos
- Language: Inglês
- Abstract: Homofilia é uma característica presente em muitos grafos do mundo real, esse trabalho propõe a tarefa de prever o manifestação local dela, a concordância entre nós. A tarefa é explorada em conjuntos de dados referência de predição de nós, usando os rótulos dos nós para criar o rótulo de concordância, e dois frameworks, um posicional e um estrutural, para uma versão semi-supervisionada da tarefa são propostos. Nesses conjuntos de dados, a tarefa pode ser vista como uma subtarefa da classificação de nós, nós queremos prever se dois nós são de mesma classe, sem levar em conta a quais classes eles pertencem. É mostrado que existe um vantangem de performance em atacar o problema de concordância de nós diretamente nesse caso. Os frameworks consistem em utilizar Graph Neural Networks (GNNs) e Node2Vec para gerar embeddings de nós que são informativos da concordância entre nós. O framework posicional é treinado de maneira não-supervisionada, tendo como objetivo, na verdade, a predição de arestas, usando apenas a topologia do grafo como recurso, e apresenta poder preditivo para concordância entre nós apesar de que a relação entre os poderes preditivos para concordância entre nós e predição de arestas não é direta, como é mostrado nesse trabalho. Os embeddings estruturais são treinados diretamente para concordância entre nós, usando as variáveis explicativas dos nós e mecanismos convolucionais das GNNs, e geralmente performam melhor do que o framework posicional, mas são maissensíveis ao número de arestas rotuladas. Também é mostrado que os dois frameworks podem ser usados em combinação, uma vez que eles contém informações complementares um ao outro. Essa tarefa pode ter como fim ela própria se alguém quiser apurar exatamente a concordância entre nós de um grafo, ou pode servir como um passo de pré-processamento, para atribuir pesos às arestas ou alterar e fazer projeções de um grafo. O código desse trabalho é disponibilizado publicamente em https://github.com/caiolmart/node-concordance
- Imprenta:
- Data da defesa: 31.07.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MARTINELLI, Caio Lorenzetti. Node concordance: a local homophily prediction task in graphs. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-200028/. Acesso em: 03 jan. 2026. -
APA
Martinelli, C. L. (2023). Node concordance: a local homophily prediction task in graphs (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-200028/ -
NLM
Martinelli CL. Node concordance: a local homophily prediction task in graphs [Internet]. 2023 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-200028/ -
Vancouver
Martinelli CL. Node concordance: a local homophily prediction task in graphs [Internet]. 2023 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-200028/
Informações sobre o DOI: 10.11606/D.45.2023.tde-25092023-200028 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
