HyperGCN：一种在超图上训练图卷积网络的新方法
机器学习
2019-05-23 v4 机器学习
摘要
在许多现实世界网络数据集（如合著、共引、电子邮件通信等）中，关系是复杂的且超越成对关系。超图为建模此类复杂关系提供了灵活自然的工具。许多现实世界网络中此类复杂关系的明显存在自然引发了利用超图学习的问题。一种流行的学习范式是基于超图的半监督学习（SSL），其目标是为超图中最初未标记的顶点分配标签。鉴于图卷积网络（GCN）在基于图的SSL中有效，我们提出HyperGCN，一种用于属性超图上SSL的新型GCN。此外，我们展示了如何将HyperGCN用作针对NP困难超图问题的组合优化的基于学习的方法。我们通过现实世界超图上的详细实验证明了HyperGCN的有效性。
引用
@article{arxiv.1809.02589,
title = {HyperGCN: A New Method of Training Graph Convolutional Networks on Hypergraphs},
author = {Naganand Yadati and Madhav Nimishakavi and Prateek Yadav and Vikram Nitin and Anand Louis and Partha Talukdar},
journal= {arXiv preprint arXiv:1809.02589},
year = {2019}
}