MagNet：一种面向有向图的神经网络
机器学习
2021-06-14 v2
摘要
基于图的数据的普遍性推动了图神经网络（GNNs）及相关机器学习算法的快速发展。然而，尽管许多数据集天然建模为有向图，包括引文、网站和交通网络，现有研究绝大多数聚焦于无向图。本文中，我们提出 MagNet，一种基于称为磁拉普拉斯算子的复厄米矩阵的有向图谱 GNN。该矩阵在其元素的模中编码无向几何结构，在其相位中编码方向信息。一个“电荷”参数使谱信息适应有向环之间的差异。我们将该网络应用于多种有向图节点分类与链接预测任务，表明 MagNet 在所有任务上均表现良好，且在大多数此类任务上性能超越其他方法。MagNet 的基本原理使其可适配其他谱 GNN 架构。
引用
@article{arxiv.2102.11391,
title = {MagNet: A Neural Network for Directed Graphs},
author = {Xitong Zhang and Yixuan He and Nathan Brugnone and Michael Perlmutter and Matthew Hirn},
journal= {arXiv preprint arXiv:2102.11391},
year = {2021}
}
备注
22 pages, 4 figures, 15 tables. v2: Numerous revisions to the paper's content, including: a more general and informative presentation; many new numerical experiments; revised figures