AdaGNN：一种基于AdaBoosting的GNN多模态隐表示元学习器
机器学习
2021-08-17 v1 社会与信息网络
摘要
作为深度学习的一个特殊领域，图神经网络（GNNs）专注于提取内在网络特征，在学术界与工业界均获得了前所未有的关注。大多数最先进的GNN模型提供了具表达力、鲁棒、可扩展且归纳式的解决方案，为社交网络推荐系统赋予了丰富的网络特征，而这些特征难以通过基于图遍历的方法计算利用。近期多数GNN遵循编码器-解码器范式，将子图中的高维异构信息编码至单一低维嵌入空间。然而，单一嵌入空间通常无法捕捉图信号的所有方面。本工作中，我们提出基于提升的GNN元学习器，可自动学习多个投影及相应嵌入空间，以捕捉图信号的不同方面。由此，子图间的相似性由多个嵌入空间上的嵌入邻近度量化。AdaGNN在具有丰富且多样节点邻域信息的应用中表现尤为出色。此外，AdaGNN兼容任意归纳式GNN，可用于节点级与边级任务。
引用
@article{arxiv.2108.06452,
title = {AdaGNN: A multi-modal latent representation meta-learner for GNNs based on AdaBoosting},
author = {Qinyi Zhu and Yiou Xiao},
journal= {arXiv preprint arXiv:2108.06452},
year = {2021}
}