概率化与正则化图卷积网络
机器学习
2018-03-14 v1 机器学习
摘要
本文探讨了（Kipf & Welling, 2016）最近提出的图卷积网络架构。我们总结了其工作的关键点并复现了他们的结果。我们探索了图正则化与替代的图卷积方法。我发现显式图正则化被（Kipf & Welling, 2016）正确地舍弃了。我试图通过近似k步转移矩阵来替代归一化图拉普拉斯矩阵以改进GCN的性能，但未能获得正向结果。尽管如此，我们展示了该GCN变体的若干配置在Cora、Citeseer和Pubmed数据集上的性能。
引用
@article{arxiv.1803.04489,
title = {Probabilistic and Regularized Graph Convolutional Networks},
author = {Sean Billings},
journal= {arXiv preprint arXiv:1803.04489},
year = {2018}
}