面向节点的图神经网络谱滤波
机器学习
2023-10-27 v3 社会与信息网络
摘要
图神经网络（GNNs）在同配图数据上表现出卓越性能，但由于 GNNs 固有的低通滤波特性，在处理非同配图数据时表现远不尽如人意。一般而言，由于真实世界图往往是多种子图模式的复杂混合，从全局视角学习图上的通用谱滤波器（如当前多数工作所做）仍难以适应局部模式的变化。在局部模式理论分析的基础上，我们重新审视现有的谱滤波方法，并提出面向节点的图神经网络谱滤波（即 NFGNN）。通过为每个节点估计面向节点的谱滤波器，NFGNN 借助广义平移算子具备了精确的局部节点定位能力，从而自适应地判别局部同配模式的变化。同时，重参数化的使用在学习面向节点的谱滤波器时在全局一致性与局部敏感性之间取得了良好权衡。此外，我们从理论上分析了 NFGNN 的局部化性质，表明自适应滤波后的信号仍定位在相应节点附近。大量实验结果证明所提出的 NFGNN 取得了更优的性能。
引用
@article{arxiv.2212.03654,
title = {Node-oriented Spectral Filtering for Graph Neural Networks},
author = {Shuai Zheng and Zhenfeng Zhu and Zhizhe Liu and Youru Li and Yao Zhao},
journal= {arXiv preprint arXiv:2212.03654},
year = {2023}
}
备注
15 pages, 10 figures, accepted by TPAMI