グラフ表現学習におけるリンク予測のための情報ボトルネックを利用したデータ拡張

グラフデータの不完全性と雑音を同時に解決するため、情報ボトルネックの原理に基づいた新しいデータ拡張手法COREを提案する。COREは、欠落したエッジを回復しつつ、グラフ構造から不要な情報を削除することで、リンク予測モデルの頑健性と性能を向上させる。