面向图神经网络的边收缩池化
机器学习
2019-05-28 v1 机器学习
摘要
图神经网络（GNN）研究集中于改进卷积层，很少关注开发图池化层。然而池化层能使GNN在抽象节点组而非单个节点上进行推理。为弥补这一差距，我们提出一种依赖边收缩概念的图池化层：EdgePool学习一种局部化且稀疏的硬池化变换。我们表明EdgePool优于其他池化方法，可轻松集成到大多数GNN模型中，并在节点与图分类上提升性能。
引用
@article{arxiv.1905.10990,
title = {Edge Contraction Pooling for Graph Neural Networks},
author = {Frederik Diehl},
journal= {arXiv preprint arXiv:1905.10990},
year = {2019}
}