简单多图卷积网络
机器学习
2024-03-11 v1 人工智能
摘要
现有的多图卷积方法要么忽略了多图之间的跨视图交互，要么由于标准的跨视图多项式算子而导致极高的计算成本。为缓解这一问题，本文提出了一种简单多图卷积网络（SMGCN），该方法首先从多图中提取一致的跨视图拓扑结构（包括边级和子图级拓扑），然后基于原始多图和一致拓扑执行多项式展开。理论上，SMGCN 在多项式展开中利用一致拓扑而非标准的跨视图多项式展开，从而实现了可信的跨视图空间消息传递，遵循谱卷积范式，并有效降低了标准多项式展开的复杂度。仿真实验结果表明，SMGCN 在 ACM 和 DBLP 多图基准数据集上取得了最先进（SOTA）的性能。我们的代码可在 https://github.com/frinkleko/SMGCN 获取。
引用
@article{arxiv.2403.05014,
title = {Simple Multigraph Convolution Networks},
author = {Danyang Wu and Xinjie Shen and Jitao Lu and Jin Xu and Feiping Nie},
journal= {arXiv preprint arXiv:2403.05014},
year = {2024}
}
备注
Accepted by WWW 2024 Short