G-Signatures：基于随机签名的全局图传播
机器学习
2023-08-31 v2
摘要
图神经网络（GNNs）已发展成为最流行的深度学习架构之一。然而，GNNs 存在节点信息过平滑的问题，因此难以解决与全局图属性相关的任务。我们提出 G-Signatures，一种新颖的图学习方法，通过随机签名实现全局图传播。G-Signatures 使用一种新的图转换概念来嵌入图结构信息，这些信息可解释为隐空间中的路径。我们进一步引入隐空间路径映射的思想。这使我们能够迭代地遍历隐空间路径，从而全局地处理信息。G-Signatures 擅长提取和处理全局图属性，并能有效扩展到大型图问题。在实验上，我们在多个分类和回归任务中证实了 G-Signatures 的优势。
引用
@article{arxiv.2302.08811,
title = {G-Signatures: Global Graph Propagation With Randomized Signatures},
author = {Bernhard Schäfl and Lukas Gruber and Johannes Brandstetter and Sepp Hochreiter},
journal= {arXiv preprint arXiv:2302.08811},
year = {2023}
}
备注
7 pages (+ appendix); 4 figures