深度图注意力模型
机器学习
2017-09-20 v1 人工智能
摘要
图分类是在许多不同领域具有实际应用的问题。现有的大多数方法在计算图特征时会考虑整个图。例如，在基于图元的方法中，需要处理整个图以获得不同图元或子图的总数。然而在现实世界中，图可能既大又充满噪声，且判别性模式仅局限于图中的特定区域。在本工作中，我们研究图分类的注意力处理问题。注意力的使用使我们能够聚焦于图中虽小但信息丰富的部分，避免图中其余部分的噪声。我们提出了一种新颖的 RNN 模型，称为图注意力模型（Graph Attention Model, GAM），该模型通过自适应地选择一系列“有趣”的节点来仅处理图的一部分。该模型配备了一个外部记忆组件，使其能够整合从图的不同部分收集的信息。我们通过各种实验证明了该模型的有效性。
引用
@article{arxiv.1709.06075,
title = {Deep Graph Attention Model},
author = {John Boaz Lee and Ryan Rossi and Xiangnan Kong},
journal= {arXiv preprint arXiv:1709.06075},
year = {2017}
}