合作化图神经网络

化学子扩散最近因其固有能力处理异质性数据和避免过平滑而成为图表示学习的有前景的设计模式。同时，合作消息传递也被提出作为增强信息扩散灵活性的方法，允许节点独立选择是否向/从邻居传递/收集信息。一个自然问题随之而来：化学子扩散是否具备展现这种合作行为的能力？本文给出了否定答案。具体而言，我们表明现有化学子扩散方法由于缺乏消息方向性而无法实现合作行为。为规避此限制，我们引入了有向图上的细胞化学子概念，并刻画其入/出度拉普拉斯算子。我们利用该构建提出合作化学子神经网络 (CSNN)。理论上，我们刻画了 CSNN 的感受场，表明其允许节点选择性地注意（倾听）来自距离其任意远的节点，同时忽略其路径上的其他节点，从而可能缓解过度压抑。我们的实验表明，CSNN 在化学子扩散以及合作图神经网络方面的总体性能均优于先前方法。