勿扰图结构：无需重连解决过压缩问题
机器学习
2022-12-14 v1
摘要
近期研究探讨了图瓶颈在阻碍消息传递图神经网络中长距离信息传播的作用，导致了所谓的“过压缩”（over-squashing）现象。作为补救，图重连机制已被提出作为预处理步骤。图回声状态网络（GESNs）是一种用于图的储备池计算模型，其中节点嵌入由未经训练的消息传递函数递归计算。在本文中，我们表明GESNs可以在六个异配节点分类任务上取得显著更好的准确率，而无需改变图连通性，从而提出了解决过压缩问题的不同路径。
引用
@article{arxiv.2212.06538,
title = {Leave Graphs Alone: Addressing Over-Squashing without Rewiring},
author = {Domenico Tortorella and Alessio Micheli},
journal= {arXiv preprint arXiv:2212.06538},
year = {2022}
}
备注
Extended Abstract. Presented at the First Learning on Graphs Conference (LoG 2022), Virtual Event, December 9-12, 2022