基于张量积图卷积的图边表示方法
机器学习
2024-06-24 v1
摘要
图卷积网络 (GCN) 已被广泛研究。GCN 的核心在于在图上定义卷积算子。然而，现有的图卷积 (GC)算子主要定义在邻接矩阵和节点特征上，通常致力于获取有效的节点嵌入，无法用于处理具有（高维）边特征的图。为此，本文利用张量收缩表示和张量积图扩散理论，类比地定义了一种作用于带边特征的图的有效卷积算子，称为张量积图卷积 (TPGC)。 proposed TPGC 旨在获取有效的边嵌入。它为传统图卷积 (GC) 提供了一种补充模型，以处理同时具有节点和边特征的更一般的图数据分析任务。实验结果表明，所提出的 TPGC 在多个图学习任务上有效。
引用
@article{arxiv.2406.14846,
title = {Graph Edge Representation via Tensor Product Graph Convolutional Representation},
author = {Bo Jiang and Sheng Ge and Ziyan Zhang and Beibei Wang and Jin Tang and Bin Luo},
journal= {arXiv preprint arXiv:2406.14846},
year = {2024}
}