新方法用潜在社交性先验改进图扩散模型

Adarsh Jamadandi、Nicolas Keriven 和 Aline Roumy 提出潜在社交性先验（LSP）与联合扩散过程，让潜在节点社交性变量与图结构协同演化，在移除边独立性的同时保持可交换性。 该方法针对的问题是：离散图扩散模型因独立边更新，其终端先验必然是 E-R 随机图，且在大图极限下 GNN 去噪器难以有效去噪。研究者称，新方法从根源上处理这一问题。 该工作发布于 arXiv，属 cs.AI 领域。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。