重新审视图神经网络中的嵌入表示
机器学习
2022-11-30 v4
摘要
当前的图表示学习技术使用图神经网络（GNNs）从数据集嵌入中提取特征。在本工作中，我们考察这些嵌入的质量，并评估改变嵌入会如何影响 GNN 的准确率。我们探索了针对图像和文本的不同嵌入提取技术；发现不同 GNN 架构的性能依赖于所采用的嵌入风格。我们观察到在现有图数据集中词袋（BoW）嵌入和文本分类任务普遍存在。鉴于嵌入对 GNN 性能的影响，这导致了一种现象：GNN 被优化以适配 BoW 向量。
引用
@article{arxiv.2209.09338,
title = {Revisiting Embeddings for Graph Neural Networks},
author = {S. Purchase and A. Zhao and R. D. Mullins},
journal= {arXiv preprint arXiv:2209.09338},
year = {2022}
}