MotifNet：一种基于图模体的有向图图卷积网络
机器学习
2018-02-07 v1
摘要
图上的深度学习，特别是图卷积神经网络，近来在机器学习领域引起了显著关注。许多此类技术探索图拉普拉斯特征向量与经典傅里叶基之间的类比，从而将卷积表述为谱域中的乘法。谱CNN的一个关键缺陷是其对无向图的显式假设，导致产生具有正交特征分解的对称拉普拉斯矩阵。在本工作中，我们提出MotifNet，一种通过利用局部图模体来处理有向图的图CNN。我们给出了实验证据，展示了我们的方法在真实数据上的优势。
引用
@article{arxiv.1802.01572,
title = {MotifNet: a motif-based Graph Convolutional Network for directed graphs},
author = {Federico Monti and Karl Otness and Michael M. Bronstein},
journal= {arXiv preprint arXiv:1802.01572},
year = {2018}
}