图神经网络中隐式去噪的能力有多强
机器学习
2022-09-30 v1
摘要
图神经网络（GNNs）通过聚合邻居特征，凭借其强大的表示学习能力被广泛用于图结构数据处理。人们普遍认为GNN能够隐式去除非预测性噪声。然而，关于图神经网络中隐式去噪效应的分析仍是空白。在本工作中，我们进行了全面的理论研究，分析了GNN中隐式去噪何时以及为何发生。具体而言，我们研究了噪声矩阵的收敛性质。我们的理论分析表明，隐式去噪在很大程度上取决于连通性、图规模以及GNN架构。此外，我们通过推广图信号去噪问题，正式定义并提出了对抗图信号去噪（AGSD）问题。通过求解该问题，我们推导出一种鲁棒图卷积，可增强节点表示的平滑性与隐式去噪效应。大量实证评估验证了我们的理论分析以及所提模型的有效性。
引用
@article{arxiv.2209.14514,
title = {How Powerful is Implicit Denoising in Graph Neural Networks},
author = {Songtao Liu and Rex Ying and Hanze Dong and Lu Lin and Jinghui Chen and Dinghao Wu},
journal= {arXiv preprint arXiv:2209.14514},
year = {2022}
}