图上的半监督节点分类：马尔可夫随机场与图神经网络的比较
机器学习
2020-12-29 v2
摘要
图结构数据上的半监督节点分类具有诸多应用，如欺诈检测、虚假账号与评论检测、社交网络中用户隐私属性推断以及社区发现。为半监督节点分类已发展出多种方法，如成对马尔可夫随机场（pMRF）与图神经网络。pMRF 比图神经网络更高效。然而，现有基于 pMRF 的方法精度不如图神经网络，其关键局限在于它们对所有边假设了基于启发式的恒定边势。本工作中，我们旨在解决现有基于 pMRF 方法的关键局限。具体而言，我们提出为 pMRF 学习边势。我们在多种类型图数据集上的评估结果表明，我们优化的基于 pMRF 的方法在精度与效率上均持续优于现有图神经网络。我们的结果凸显出，以往工作可能低估了 pMRF 在半监督节点分类中的能力。
引用
@article{arxiv.2012.13085,
title = {Semi-Supervised Node Classification on Graphs: Markov Random Fields vs. Graph Neural Networks},
author = {Binghui Wang and Jinyuan Jia and Neil Zhenqiang Gong},
journal= {arXiv preprint arXiv:2012.13085},
year = {2020}
}
备注
Accepted by AAAI 2021