一种双曲到双曲的图卷积网络
机器学习
2021-04-15 v1
摘要
双曲图卷积网络（GCNs）展现出对具有层次结构图建模的强大表示能力。现有双曲 GCNs 借助切空间在双曲流形上实现图卷积，这种做法不佳，因为切空间仅是流形的局部近似。本文提出一种直接在双曲流形上工作的双曲到双曲图卷积网络（H2H-GCN）。具体而言，我们开发了由双曲特征变换与双曲邻域聚合组成的保流形图卷积。双曲特征变换在双曲流形上起到线性变换作用，通过对变换子矩阵施加正交约束，确保变换后的节点表示仍位于双曲流形上。双曲邻域聚合通过 Einstein 中点更新各节点表示。H2H-GCN 避免了切空间近似引起的畸变并保持了全局双曲结构。大量实验表明，H2H-GCN 在链接预测、节点分类与图分类任务上取得了显著提升。
引用
@article{arxiv.2104.06942,
title = {A Hyperbolic-to-Hyperbolic Graph Convolutional Network},
author = {Jindou Dai and Yuwei Wu and Zhi Gao and Yunde Jia},
journal= {arXiv preprint arXiv:2104.06942},
year = {2021}
}
备注
CVPR2021, Oral