AutoGEL：一种显式利用链接信息的自动化图神经网络
机器学习
2021-12-03 v1 人工智能
摘要
近年来，图神经网络（GNNs）在多种真实场景中获得广泛关注。尽管取得巨大成功，GNN 的架构设计仍严重依赖人工。因此，自动化图神经网络（AutoGNN）引起了研究界的兴趣与关注，并在近年取得显著性能提升。然而，现有 AutoGNN 工作主要采用隐式方式对图中的链接信息建模与利用，这种方式对图上链接预测任务的约束不足，并限制了 AutoGNN 在其他图任务上的性能。本文提出一种新颖的显式建模链接信息的 AutoGNN 工作，简称为 AutoGEL。借此，AutoGEL 可处理链接预测任务，并提升 AutoGNN 在节点分类与图分类任务上的性能。具体而言，AutoGEL 提出一种包含层内与层间设计多设计维度的新颖搜索空间，并采用更鲁棒的可微搜索算法以进一步提升效率与效果。在基准数据集上的实验结果证明了 AutoGEL 在若干任务上的优越性。
引用
@article{arxiv.2112.01064,
title = {AutoGEL: An Automated Graph Neural Network with Explicit Link Information},
author = {Zhili Wang and Shimin Di and Lei Chen},
journal= {arXiv preprint arXiv:2112.01064},
year = {2021}
}