多视图模糊图注意力网络用于增强图学习
机器学习
2024-12-24 v1
摘要
模糊图注意力网络（FGAT）结合了模糊粗糙集和图注意力网络，在需要鲁棒图学习的任务中显示出潜力。然而，现有模型难以有效捕获来自多个视角的依赖关系，限制了它们对复杂数据建模的能力。为了解决这一差距，我们提出了多视图模糊图注意力网络（MFGAT），这是一种新颖的框架，通过专门设计的变换块构建和聚合多视图信息。该块动态地从多个方面变换数据，并通过加权和机制聚合得到的表示，从而实现全面的多视图建模。聚合后的信息被输入到FGAT中以增强模糊图卷积。此外，我们引入了一种简单而有效的可学习全局池化机制，以改进图级理解。在图分类任务上的大量实验表明，MFGAT优于最先进的基线，证明了其有效性和通用性。
引用
@article{arxiv.2412.17271,
title = {Multi-view Fuzzy Graph Attention Networks for Enhanced Graph Learning},
author = {Jinming Xing and Dongwen Luo and Qisen Cheng and Chang Xue and Ruilin Xing},
journal= {arXiv preprint arXiv:2412.17271},
year = {2024}
}
备注
ISMSI'25