度量与改进图神经网络中图信息的利用
机器学习
2022-06-28 v1 人工智能
摘要
图神经网络（GNNs）已广泛用于对图数据的表示学习。然而，对于 GNNs 实际从图数据中获得的性能提升有多少，人们的理解仍然有限。本文引入了一种上下文-周边 GNN 框架，并提出了两个平滑度度量来度量从图数据中获得信息的数量与质量。随后设计了一种新的 GNN 模型，称为 CS-GNN，以基于图的平滑度值改进图信息的利用。结果表明，CS-GNN 在不同类型的真实图上均取得了优于现有方法的性能。
引用
@article{arxiv.2206.13170,
title = {Measuring and Improving the Use of Graph Information in Graph Neural Networks},
author = {Yifan Hou and Jian Zhang and James Cheng and Kaili Ma and Richard T. B. Ma and Hongzhi Chen and Ming-Chang Yang},
journal= {arXiv preprint arXiv:2206.13170},
year = {2022}
}
备注
This paper has been published in ICLR 2020. Code and Dataset can be found here: https://github.com/yifan-h/CS-GNN