具有渐进边缘折叠的图属性聚合网络
机器学习
2019-05-15 v1 机器学习
摘要
图卷积神经网络（GCNNs）因在图结构推理上的巨大潜力而受到越来越多的研究关注。然而，针对不同卷积图层之间的聚合方法所投入的努力仍显不足。本文提出一种图属性聚合网络（GAAN）架构。不同于传统的池化操作，我们提出一种基于图变换的聚合策略——渐进边缘折叠（PMF），用于整合图特征。通过区分内部元素与边缘元素，我们提供了一种迭代实现折叠的方法。同时还设计了一种机制，以在渐进折叠过程中保留局部结构。此外，引入了一种基于超图的表示，用于在不同层之间传递聚合信息。我们在公开分子数据集上的实验表明，所提出的 GAAN 以显著的有效性优于现有 GCNN 模型。
引用
@article{arxiv.1905.05347,
title = {Graph Attribute Aggregation Network with Progressive Margin Folding},
author = {Penghui Sun and Jingwei Qu and Xiaoqing Lyu and Haibin Ling and Zhi Tang},
journal= {arXiv preprint arXiv:1905.05347},
year = {2019}
}