双曲图神经网络
机器学习
2019-10-30 v1 机器学习
摘要
从图结构数据中学习是机器学习与人工智能中的一项重要任务，图神经网络（GNN）已展现出巨大前景。受几何表示学习近期进展的启发，我们提出了一种新颖的 GNN 架构，用于在具有可微指数映射与对数映射的黎曼流形上学习表示。我们开发了一种可扩展算法来建模图的结构性质，比较欧氏几何与双曲几何。在我们的实验中，我们展示了双曲 GNN 能在各种基准数据集上带来显著改进。
引用
@article{arxiv.1910.12892,
title = {Hyperbolic Graph Neural Networks},
author = {Qi Liu and Maximilian Nickel and Douwe Kiela},
journal= {arXiv preprint arXiv:1910.12892},
year = {2019}
}
备注
Published at NeurIPS 2019