Label-GCN：一种在图卷积网络中有效加入标签传播的方法
机器学习
2021-04-07 v1
摘要
我们展示了通过对图卷积网络（GCN）第一层的修改，可用于在邻居节点间有效传播标签信息，适用于二分类与多分类问题。这是在GCN训练阶段对标签特征选择性地消除自环来实现的。GCN架构其余部分保持不变，无任何额外超参数，并可用于直推式与归纳式设定。我们通过若干实验表明，根据推理阶段可用标签数量的不同，该策略相比标准GCN方法能带来模型性能的显著提升，包括在类别不平衡数据集上。
引用
@article{arxiv.2104.02153,
title = {Label-GCN: An Effective Method for Adding Label Propagation to Graph Convolutional Networks},
author = {Claudio Bellei and Hussain Alattas and Nesrine Kaaniche},
journal= {arXiv preprint arXiv:2104.02153},
year = {2021}
}