通过深度监督解决图神经网络中的过平滑问题
机器学习
2022-02-28 v1
摘要
利用图神经网络（GNNs）学习有用的节点和图表示是一项具有挑战性的任务。已知深层 GNN 存在过平滑问题，即随着层数增加，节点表示变得几乎不可区分，且模型在下游任务上的性能显著下降。为解决该问题，我们提出深度监督 GNN（DSGNNs），即借助深度监督增强的 GNN，其中所有层学习到的表示都用于训练。我们通过实验表明，DSGNNs 对过平滑具有鲁棒性，并能在节点和图属性预测问题上优于具有竞争力的基准方法。
引用
@article{arxiv.2202.12508,
title = {Addressing Over-Smoothing in Graph Neural Networks via Deep Supervision},
author = {Pantelis Elinas and Edwin V. Bonilla},
journal= {arXiv preprint arXiv:2202.12508},
year = {2022}
}