关于带边特征的图注意力分类阈值的研究
机器学习
2022-10-19 v1 人工智能
摘要
近年来，我们见证了图神经网络在图预测任务上的兴起。由于能够利用加权边特征而不仅是节点特征进行预测，图注意力成为主流架构之一。本文从理论与实证两方面分析了图注意力网络及其在经典分类任务中正确标注节点的能力。更具体地，我们研究了图注意力在经典上下文随机块模型（CSBM）上的性能。在 CSBM 中，节点与边特征由高斯混合得到，边由随机块模型生成。我们考虑一种通用的图注意力机制，以随机边特征作为输入来确定注意力系数。我们研究两种情况：第一种，当边特征含噪声时，我们证明大多数注意力系数至多是一个常数均匀值。这使我们能够证明带边特征的图注意力在实现完美节点分类上并不优于简单图卷积。第二种，我们证明当边特征干净时，图注意力能够区分边内与边间边，这使得图注意力优于经典图卷积。
引用
@article{arxiv.2210.10014,
title = {On Classification Thresholds for Graph Attention with Edge Features},
author = {Kimon Fountoulakis and Dake He and Silvio Lattanzi and Bryan Perozzi and Anton Tsitsulin and Shenghao Yang},
journal= {arXiv preprint arXiv:2210.10014},
year = {2022}
}
备注
37 pages, 5 figures, 5 Tables