通过随机特征传播的图位置编码
机器学习
2023-07-20 v3
摘要
为增强 GNN，已探索了两类主要的节点特征增强方案：随机特征与谱位置编码。然而令人惊讶的是，对于这两种增强方案之间的关系仍缺乏清晰理解。本文提出一类新颖的位置编码方案，其在上述两种方法间建立联系并优于两者。这一名为随机特征传播（RFP）的新方法受幂迭代法及其推广启发。它拼接了从随机节点特征出发、用于计算传播矩阵主导特征向量的迭代算法的若干中间步骤。值得注意的是，这些传播步骤基于图依赖的传播算子，该算子可预定义或学习得到。我们探讨了 RFP 的理论与实证优势。首先，我们为使用随机特征、引入早期传播步骤以及使用多次随机初始化提供了理论依据。随后，我们经实证表明，在多个节点分类与图分类基准上，RFP 显著优于谱位置编码与随机特征。
引用
@article{arxiv.2303.02918,
title = {Graph Positional Encoding via Random Feature Propagation},
author = {Moshe Eliasof and Fabrizio Frasca and Beatrice Bevilacqua and Eran Treister and Gal Chechik and Haggai Maron},
journal= {arXiv preprint arXiv:2303.02918},
year = {2023}
}
备注
ICML 2023