R-GCN：其中的 R 可以代表随机
机器学习
2022-05-09 v2 人工智能
机器学习
摘要
关系图卷积网络（R-GCN）的诞生标志着语义网领域的一个里程碑，作为一种被广泛引用的方法，它将端到端分层表示学习推广到了知识图谱（KGs）。R-GCN 通过反复聚合邻居的参量化、关系特定变换来生成感兴趣节点的表示。然而，在本文中，我们认为 R-GCN 的主要贡献在于这种“消息传递”范式，而非学习到的权重。为此，我们引入了“随机关系图卷积网络”（RR-GCN），其将所有参数保持未训练状态，从而通过聚合来自邻居的随机变换的随机表示来构造节点嵌入，即没有可学习参数。我们经实验表明，RR-GCN 在节点分类和链接预测设定下均能与完全训练的 R-GCN 相竞争。
引用
@article{arxiv.2203.02424,
title = {R-GCN: The R Could Stand for Random},
author = {Vic Degraeve and Gilles Vandewiele and Femke Ongenae and Sofie Van Hoecke},
journal= {arXiv preprint arXiv:2203.02424},
year = {2022}
}