对偶-原始图卷积网络
机器学习
2018-06-05 v1 人工智能
机器学习
摘要
近年来，针对图等非欧几里得结构数据开发深度学习方法的兴趣激增。本文中，我们提出对偶-原始图CNN，一种在图及其对偶上交替进行类卷积操作的图卷积架构。我们的方法允许学习顶点与边特征，并推广了此前的图注意力（GAT）模型。我们提供了广泛的实验验证，在已建立的图基准（包括CORA与Citeseer引文网络，以及MovieLens、Flixter、Douban和Yahoo Music图引导的推荐系统）上测试的多项任务中展示了最先进的结果。
引用
@article{arxiv.1806.00770,
title = {Dual-Primal Graph Convolutional Networks},
author = {Federico Monti and Oleksandr Shchur and Aleksandar Bojchevski and Or Litany and Stephan Günnemann and Michael M. Bronstein},
journal= {arXiv preprint arXiv:1806.00770},
year = {2018}
}