线超图卷积网络：将图卷积应用于超图
社会与信息网络
2020-02-11 v1 机器学习
摘要
由于各类图神经网络的提出，图中的网络表示学习与节点分类受到了显著关注。图卷积网络（GCN）是一种流行的半监督技术，它在每个节点的邻域内聚合属性。传统 GCN 可应用于简单图，其中每条边仅连接两个节点。但许多现代应用需要对图中的高阶关系进行建模。超图是处理此类复杂关系的有效数据类型。本文提出一种在具有可变超边大小的超图上应用图卷积的新技术。我们首次在超图学习文献中使用了超图的线图这一经典概念。随后我们提出在超图的线图上使用图卷积。在多个真实世界网络数据集上的实验分析表明了我们的方法相较于当前最优方法（SOTA）的优势。
引用
@article{arxiv.2002.03392,
title = {Line Hypergraph Convolution Network: Applying Graph Convolution for Hypergraphs},
author = {Sambaran Bandyopadhyay and Kishalay Das and M. Narasimha Murty},
journal= {arXiv preprint arXiv:2002.03392},
year = {2020}
}