上下文感知图注意力网络
机器学习
2019-10-07 v1 社会与信息网络
图像与视频处理
信号处理
机器学习
摘要
图神经网络（GNNs）已被广泛研究用于图数据的表示与学习。然而，现有的 GNNs 通常仅在节点特征表示上进行上下文感知学习，往往忽略了对边（权重）表示的学习。本文提出一种新颖的统一 GNN 模型，称为上下文感知自适应图注意力网络（CaGAT）。CaGAT 旨在通过进一步挖掘不同边之间的上下文关系，为每条图边学习上下文感知的注意力表示。具体而言，CaGAT 以统一的方式同时且协作地在节点特征表示与边（权重）表示上进行上下文感知学习，从而在网络训练中提升各自的性能。我们将 CaGAT 应用于半监督学习任务。在多个基准数据集上的实验结果证明了 CaGAT 的有效性与优势。
引用
@article{arxiv.1910.01736,
title = {Context-Aware Graph Attention Networks},
author = {Bo Jiang and Leiling Wang and Jin Tang and Bin Luo},
journal= {arXiv preprint arXiv:1910.01736},
year = {2019}
}