BiGCN：一种双向低通滤波图神经网络
机器学习
2023-06-22 v2
摘要
图卷积网络（GCNs）在图结构数据上取得了巨大成功。许多图卷积网络可被视为图信号的低通滤波器。本文中，我们提出了一种更强大的图卷积网络，名为 BiGCN，其扩展至双向滤波。具体而言，我们不仅考虑原始图结构信息，还考虑特征间的潜在关联，因此 BiGCN 可沿原始图与潜在特征连接图对信号进行滤波。与大多数现有 GCNs 相比，BiGCN 更鲁棒且具备强大的特征去噪能力。我们在引用网络与共同购买网络上进行了节点分类与链接预测，包含三种设定：噪声率、噪声水平和结构错误。大量实验结果证明，我们的模型在干净与人工加噪数据中均优于最先进的图神经网络。
引用
@article{arxiv.2101.05519,
title = {BiGCN: A Bi-directional Low-Pass Filtering Graph Neural Network},
author = {Zhixian Chen and Tengfei Ma and Zhihua Jin and Yangqiu Song and Yang Wang},
journal= {arXiv preprint arXiv:2101.05519},
year = {2023}
}