用于图神经网络的中心性图移位算子
机器学习
2024-11-08 v1 社会与信息网络
谱理论
应用统计
机器学习
摘要
图移位算子（GSO），如邻接矩阵和图拉普拉斯矩阵，在图论和图表示学习中起着基础性作用。传统的GSO通常通过度矩阵对邻接矩阵进行归一化，这是一种局部中心性度量。在本工作中，我们转而提出并研究中心性GSO（CGSO），其通过全局中心性度量（如PageRank、k-core或定长游走计数）对邻接矩阵进行归一化。我们研究了CGSO的谱性质，从而理解其对图信号的作用。我们通过在多个合成和真实数据集上定义和运行基于不同CGSO的谱聚类算法来验证这一理解。此外，我们概述了CGSO如何作为任何图神经网络中的消息传递算子，并特别展示了使用我们的CGSO的图卷积网络和图注意力网络的变体在多个真实基准数据集上的强劲性能。
引用
@article{arxiv.2411.04655,
title = {Centrality Graph Shift Operators for Graph Neural Networks},
author = {Yassine Abbahaddou and Fragkiskos D. Malliaros and Johannes F. Lutzeyer and Michalis Vazirgiannis},
journal= {arXiv preprint arXiv:2411.04655},
year = {2024}
}