层次图胶囊网络
机器学习
2021-03-30 v2 社会与信息网络
摘要
图神经网络（GNNs）的优势源于对结构化数据拓扑信息的显式建模。然而，现有 GNNs 在捕获层次图表示方面能力有限，而层次图表示在图分类中起着重要作用。本文创新性地提出层次图胶囊网络（HGCN），其能够联合学习节点嵌入并提取图层次结构。具体而言，通过识别每个节点背后的异质因素来建立解耦的图胶囊，使得其实例化参数表示同一实体的不同属性。为学习层次表示，HGCN 通过显式考虑各部分之间的结构信息，刻画较低层胶囊（部分）与较高层胶囊（整体）之间的部分-整体关系。实验研究证明了 HGCN 的有效性及各组件的贡献。
引用
@article{arxiv.2012.08734,
title = {Hierarchical Graph Capsule Network},
author = {Jinyu Yang and Peilin Zhao and Yu Rong and Chaochao Yan and Chunyuan Li and Hehuan Ma and Junzhou Huang},
journal= {arXiv preprint arXiv:2012.08734},
year = {2021}
}
备注
AAAI 2021; Code: https://github.com/uta-smile/HGCN