提升图神经网络表达能力
机器学习
2020-04-14 v1 机器学习
摘要
我们提出了一种比常用 GNN 具有更强表达能力的图神经网络——不受限于仅能区分 Weisfeiler-Lehman 测试识别为非同构的图。我们使用具有扩展注意力窗口的图注意力网络，从指数级远距离的节点聚合信息。我们还使用部分随机初始嵌入，以区分原本看起来相同的节点。这可能会给传统 dropout 机制带来问题，因此我们使用了“头 dropout”，随机忽略某些注意力头而非嵌入的某些维度。
引用
@article{arxiv.2004.05994,
title = {Improving Expressivity of Graph Neural Networks},
author = {Stanisław Purgał},
journal= {arXiv preprint arXiv:2004.05994},
year = {2020}
}