Multi-GCN：面向多视图网络的图卷积网络及其在全球贫困中的应用
机器学习
2019-02-01 v1 社会与信息网络
机器学习
摘要
随着发展中国家移动电话网络的快速扩张，大规模图机器学习在全球贫困研究中突然变得重要起来。近期的应用涵盖人道主义响应、贫困估计、城市规划与疫情控制。然而，这些应用中使用的绝大多数计算工具和算法并未考虑社交网络的多视图性质：人们以无数种方式相互关联，但大多数图学习模型将关系视为二元的。在本文中，我们提出了一种基于图的卷积网络，用于多视图网络上的学习。我们表明，在使用来自三个不同发展中国家的移动电话数据集的三个不同预测任务上，该方法优于最先进的半监督学习算法。我们还表明，虽然该算法专为贫困研究而设计，但其在多视图网络上更广泛的一组学习任务（包括引文网络中的节点标注）上也优于现有基准。
引用
@article{arxiv.1901.11213,
title = {Multi-GCN: Graph Convolutional Networks for Multi-View Networks, with Applications to Global Poverty},
author = {Muhammad Raza Khan and Joshua E. Blumenstock},
journal= {arXiv preprint arXiv:1901.11213},
year = {2019}
}