根据数据的性质，有几种类型的图表。有向图有链接方向，有符号图有正负等链接类型。有符号有向图是最复杂和信息最丰富的图。带符号有向图的图卷积尚未交付太多。尽管已经提供了许多图卷积研究，但大多数都是为无向或无符号设计的。在本文中，我们研究了一种用于有向图的谱图卷积网络。我们提出了一种新颖的复数 Hermitian 邻接矩阵，它通过复数对图信息进行编码。复数通过相位和幅度表示链路方向、符号和连通性。然后，我们用Hermitian矩阵定义了一个磁性拉普拉斯算子，并证明了它的半正定性质。最后，我们介绍了有向图卷积网络（SD-GCN）。据我们所知，这是第一个带有符号的图谱卷积。此外，与为特定图类型设计的现有卷积不同，所提出的模型具有通用性，可以应用于任何图，包括无向图、有向图或有符号图。所提出的模型的性能是用四个真实世界的图来评估的。它在链接符号预测任务中优于所有其他最先进的图卷积。或签名。所提出的模型的性能是用四个真实世界的图来评估的。它在链接符号预测任务中优于所有其他最先进的图卷积。或签名。所提出的模型的性能是用四个真实世界的图来评估的。它在链接符号预测任务中优于所有其他最先进的图卷积。



"点击查看英文标题和摘要"