Восстановление графов с помощью модели Prior-Informed Flow Matching

Ученые представили новый метод восстановления графов по неполным данным – Prior-Informed Flow Matching (PIFM). Задача восстановления графа по его части – сложная, поскольку традиционные методы часто не учитывают глобальную структуру, а современные генеративные модели испытывают трудности с применением структурных ограничений.

PIFM объединяет эмбеддинги и непрерывный процесс переноса информации (flow matching). Метод использует предварительную информацию, например, полученную с помощью GraphSAGE или node2vec, для создания начальной оценки матрицы смежности на основе локальных данных. Затем, с помощью rectified flow matching, эта оценка уточняется и приближается к распределению "чистых" графов.

Эксперименты на различных наборах данных показали, что PIFM улучшает результаты классических методов и превосходит современные генеративные модели по точности восстановления графа.