arXiv · cs.AI· Enrico Chial\`a, Francesco Ferrini, Antonio Longa, Bruno Lepri, Filippo Maria Bianchi, Manfred Jaeger, Veronica Lachi·· 11 小时前
PEMix应对图结构相关特征缺失的图神经网络方法
When Missingness Follows the Graph: Beyond Feature Propagation for Missing Features
arXiv:2610.18113v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Enrico Chial\`a, Francesco Ferrini, Antonio Longa, Bruno Lepri, Filippo Maria Bianchi, Manfred Jaeger, Veronica Lachi
研究任务与主要进展
研究提出PEMix，用于处理缺失模式沿图结构传播的图神经网络特征缺失问题。不同于沿边传播已观测特征值，PEMix先利用全局结构表示条件化不完整节点特征的概率模型，再进行消息传递；基于论文摘要，理论分析和实验表明其在图结构缺失及自然缺失下保持鲁棒性，缺失严重时表现尤其突出。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org