关系图注意力网络
机器学习
2019-04-12 v1 人工智能
机器学习
摘要
我们研究了关系图注意力网络，这是一类将非关系图注意力机制扩展以纳入关系信息的模型，从而将这些方法开放给更广泛的问题。我们对这些模型进行了彻底的评估，并与已有的基准进行了比较。为了提供有意义的比较，我们重新训练了关系图卷积网络（关系图注意力网络的谱对应物），并在相同条件下对其进行了评估。我们发现关系图注意力网络的表现不如预期，尽管某些配置对分子性质建模略有益处。我们深入分析了可能的原因，并建议了对评估策略的修改以及未来工作的研究方向。
引用
@article{arxiv.1904.05811,
title = {Relational Graph Attention Networks},
author = {Dan Busbridge and Dane Sherburn and Pietro Cavallo and Nils Y. Hammerla},
journal= {arXiv preprint arXiv:1904.05811},
year = {2019}
}
备注
10 pages + 8 pages of appendices. Layer implementation available at https://github.com/Babylonpartners/rgat/