我所一篇关于无监督图对齐的研究被国际顶级期刊TKDE录用

发布时间：2025年11月28日

      由我所师生与北京大学合作完成的一篇论文CombAlign: Enhancing Model Expressiveness in Unsupervised Graph Alignment被国际顶级期刊TKDE录用，该论文由我所林友芳老师、刘钰老师、博士生陈嵩阳、硕士生王泽璇和北京大学邹磊老师共同合作完成。

      给定一对源图和目标图，无监督图对齐（Unsupervised Graph Alignment）旨在没有种子节点的场景下，识别源图和目标图节点之间的对应关系。尽管现有的方法取得了较好的预测精度，模型表达能力与区分节点对之间是否匹配的关系尚未被探索，同时现有的基于学习的方法不能保证节点一对一对齐的性质，进而使得预测精度下降。基于此，本文融合基于最优传输和嵌入的方法，提升模型区分节点对匹配的能力，同时构建非均匀分布建模节点之间的关系，提升最优传输理论建模图对齐问题的适配性。最后，我们将无监督图对齐问题转换为最大权重匹配问题，通过集成策略构建边权重，不仅保证节点匹配的性质，同时进一步提升预测精度。最终，我们的模型在广泛的数据集上取得卓越的性能，相比以往的方法精度提升超越10%，并具备良好的扩展性。

      论文网址： https://arxiv.org/abs/2406.13216