简单而深度的图卷积网络
机器学习
2020-07-07 v1 机器学习
摘要
图卷积网络（GCNs）是一种针对图结构数据的强大深度学习方法。近来，GCNs 及其后续变体在真实世界数据集的各类应用领域展现出优越性能。尽管取得成功，当前多数 GCN 模型由于{\em 过平滑}问题而较为浅层。本文研究深度图卷积网络的设计与分析问题。我们提出 GCNII，即朴素 GCN 模型的扩展，采用两种简单却有效的技术：{\em 初始残差}与{\em 恒等映射}。我们提供理论与经验证据，表明这两种技术有效缓解了过平滑问题。我们的实验显示，深度 GCNII 模型在各类半监督与全监督任务上优于最先进方法。代码见 https://github.com/chennnM/GCNII 。
引用
@article{arxiv.2007.02133,
title = {Simple and Deep Graph Convolutional Networks},
author = {Ming Chen and Zhewei Wei and Zengfeng Huang and Bolin Ding and Yaliang Li},
journal= {arXiv preprint arXiv:2007.02133},
year = {2020}
}
备注
ICML 2020