图神经网络的分层模型选择
机器学习
2022-12-05 v1
摘要
图数据上的节点分类是一个主要问题，各类图神经网络（GNN）已被提出。H2GCN 与 CPF 等 GNN 的变体通过改进传统 GNN 的弱点而优于图卷积网络（GCN）。然而，存在一些图数据，这些 GNN 变体在节点分类任务上的表现不如其他 GNN。这是因为 H2GCN 在高平均度的图数据上会出现特征稀疏，而 CPF 引发了标签传播适用性问题。据此，我们提出一种分层模型选择框架（HMSF），通过分析各图数据的指标来选择合适的 GNN 模型。实验中，我们表明由我们的 HMSF 所选出的模型在各类图数据的节点分类上取得了高性能。
引用
@article{arxiv.2212.00898,
title = {Hierarchical Model Selection for Graph Neural Netoworks},
author = {Yuga Oishi and Ken Kaneiwa},
journal= {arXiv preprint arXiv:2212.00898},
year = {2022}
}
备注
14 pages, 5 figures