内容增强的图神经网络
机器学习
2024-09-10 v2 人工智能
摘要
近年来，图神经网络（GNNs）已成为解决图上各类问题的流行工具。在这些模型中，通常利用图的链接结构，并基于相邻节点迭代更新节点嵌入。节点的内容仅以特征向量的形式使用，作为节点的第一层嵌入。然而，在迭代/层中对这些初始嵌入施加的滤波器或卷积，导致其影响衰减，对最终嵌入贡献甚微。为解决此问题，本文提出在较高GNN层用由其内容生成的嵌入来增强节点嵌入。更确切地说，我们提出这样一种模型：对每个节点计算使用GNN的结构嵌入与内容嵌入，二者通过组合层结合以形成给定层上节点的嵌入。我们建议采用如自编码器或构建内容图等方法来生成内容嵌入。最后，通过在多个真实数据集上实验，我们展示了模型的高准确率与性能。
引用
@article{arxiv.2311.12741,
title = {Content Augmented Graph Neural Networks},
author = {Fatemeh Gholamzadeh Nasrabadi and AmirHossein Kashani and Pegah Zahedi and Mostafa Haghir Chehreghani},
journal= {arXiv preprint arXiv:2311.12741},
year = {2024}
}