基于训练与测试时增强的图神经网络社交影响力预测
社会与信息网络
2021-04-26 v1
摘要
数据增强已广泛用于自然语言处理和计算机视觉任务的机器学习中以提升模型性能。然而，鲜有研究探讨图神经网络上的数据增强，尤其是在训练时和测试时均使用增强的方法。受其他领域增强成功的启发，我们设计了一种利用带训练与测试时增强的图神经网络进行社交影响力预测的方法，该方法通过在两种场景下利用变分图自编码器有效生成社交网络的多个增强图。我们在多个社交网络数据集上评估了我们的方法在预测用户影响力方面的性能。实验结果表明，我们联合训练图自编码器与社交影响力行为分类网络的端到端方法能够优于最先进的方法，证明了训练与测试时增强在图神经网络社交影响力预测上的有效性。我们观察到这在较小的图上尤其有效。
引用
@article{arxiv.2104.11641,
title = {Social Influence Prediction with Train and Test Time Augmentation for Graph Neural Networks},
author = {Hongbo Bo and Ryan McConville and Jun Hong and Weiru Liu},
journal= {arXiv preprint arXiv:2104.11641},
year = {2021}
}
备注
Accepted by The International Joint Conference on Neural Networks 2021 (IJCNN 2021)