用于改进图表示学习的邻居级消息交互编码

消息传递已成为图表示学习中的主导框架。消息传递框架的核心思想是基于从局部邻居聚合的信息来更新节点嵌入。然而，大多数现有的聚合方法并未将邻居级消息交互编码到聚合消息中，导致嵌入生成过程中的信息丢失。并且，随着图网络模型层数的增加，这种信息丢失会累积并变得更加严重。为了解决这个问题，我们提出了一种用于改进图表示学习的邻居级消息交互信息编码方法。对于在某个节点聚合的消息，我们使用一个编码函数显式地生成每条消息与其余消息之间的编码。然后，我们聚合这些学习到的编码，并将聚合编码与聚合消息的和作为该节点嵌入的更新。通过这种方式，邻居级消息交互信息被整合到生成的节点嵌入中。所提出的编码方法是一种通用方法，可以集成到消息传递图卷积网络中。我们在四个高需求任务的六个流行基准数据集上进行了广泛的实验。结果表明，整合邻居级消息交互能够提升基础模型的性能，推动了图表示学习领域的最先进成果。