协作图神经网络
机器学习
2024-06-11 v2 人工智能
摘要
图神经网络是基于对输入图的节点表示通过一系列不变变换迭代计算而成的图机器学习流行架构。一大类图神经网络遵循标准消息传递范式：在每一层，每个节点状态根据其邻域消息的聚合进行更新。在本文中，我们提出一种训练图神经网络的新框架，其中每个节点被视为一个参与者，可选择“收听”、“广播”、“收听并广播”或“隔离”。标准消息传播方案可视为该框架中每个节点向所有邻居“收听并广播”的特例。我们的方法提供了更灵活、动态的消息传递范式，其中每个节点可基于自身状态决定策略，在学习过程中有效探索图拓扑。我们对新消息传递方案给出了理论分析，并在合成数据集与真实世界数据集上的广泛实证分析进一步支持了该研究。
引用
@article{arxiv.2310.01267,
title = {Cooperative Graph Neural Networks},
author = {Ben Finkelshtein and Xingyue Huang and Michael Bronstein and İsmail İlkan Ceylan},
journal= {arXiv preprint arXiv:2310.01267},
year = {2024}
}
备注
Proceedings of the Forty-First International Conference on Machine Learning (ICML 2024). Code available at: https://github.com/benfinkelshtein/CoGNN