重访 GraphRNN：针对有向无环图的消融研究与扩展
机器学习
2023-07-27 v1 人工智能
社会与信息网络
摘要
GraphRNN 是由 You 等人提出的基于深度学习的架构，用于学习图的生成模型。我们使用复现实现的 GraphRNN 架构复现了 You 等人的结果，并使用新指标针对基线模型进行了评估。通过消融研究，我们发现 You 等人建议的用于折叠同构图表示的 BFS 遍历对模型性能有显著贡献。此外，我们通过用拓扑排序替换 BFS 遍历将 GraphRNN 扩展为生成有向无环图。我们证明该方法在真实世界数据集上显著优于 GraphRNN 的有向多类变体。
引用
@article{arxiv.2307.14109,
title = {GraphRNN Revisited: An Ablation Study and Extensions for Directed Acyclic Graphs},
author = {Taniya Das and Mark Koch and Maya Ravichandran and Nikhil Khatri},
journal= {arXiv preprint arXiv:2307.14109},
year = {2023}
}