GANN：用于半监督学习的图对齐神经网络
机器学习
2023-03-15 v1 人工智能
摘要
图神经网络（GNNs）在半监督图机器学习领域已被广泛研究。多数方法在标记数据有限时未能充分利用图信息，导致过平滑问题。为克服该问题，我们提出图对齐神经网络（GANN），一种简单而有效的图神经架构。我们提出了一种带有三条对齐规则的独特学习算法，以充分挖掘标签不足下的隐藏信息。首先，为更好地探究属性特性，我们提出特征对齐规则，将属性矩阵与嵌入矩阵的内积对齐。其次，为恰当利用高阶邻居信息，我们提出簇中心对齐规则，涉及将簇中心矩阵与单位矩阵的内积对齐。最后，为在少标签下获得可靠预测结果，我们通过将预测概率矩阵与其锐化结果对齐，建立最小熵对齐规则。在图基准数据集上的大量研究表明，GANN 在半监督节点分类中能取得显著收益，并优于最先进的竞争对手。
引用
@article{arxiv.2303.07778,
title = {GANN: Graph Alignment Neural Network for Semi-Supervised Learning},
author = {Linxuan Song and Wenxuan Tu and Sihang Zhou and Xinwang Liu and En Zhu},
journal= {arXiv preprint arXiv:2303.07778},
year = {2023}
}