特征交互感知的图神经网络
机器学习
2020-01-24 v2 机器学习
摘要
受深度学习巨大成功的启发，图神经网络（GNNs）被广泛用于学习强大的节点表示，并在不同的图学习任务上展现出有前景的性能。然而，大多数真实世界图常带有高维且稀疏的节点特征，使得现有GNN架构学到的节点表示表达能力不足。本文提出特征交互感知的图神经网络（FI-GNNs），一种即插即用的GNN框架，用于学习编码了信息性特征交互的节点表示。具体而言，所提框架能够以个性化方式突出信息性特征交互，并进一步在特征稀疏图上学习高度表达的节点表示。在多个数据集上的大量实验证明了FI-GNNs在图学习任务上的优越能力。
引用
@article{arxiv.1908.07110,
title = {Feature Interaction-aware Graph Neural Networks},
author = {Kaize Ding and Yichuan Li and Jundong Li and Chenghao Liu and Huan Liu},
journal= {arXiv preprint arXiv:1908.07110},
year = {2020}
}