基于谱的面向有向图的图卷积网络
机器学习
2019-07-23 v1 社会与信息网络
机器学习
摘要
图卷积网络(GCNs)因其从图中提取特征的强大能力,已成为当今图数据最流行的方法。GCN 方法分为两类:基于谱的和基于空间的。作为最早的图数据卷积网络,基于谱的 GCN 在许多图相关分析任务中取得了令人印象深刻的成果。然而,基于谱的模型不能直接作用于有向图。本文中,我们提出一种改进的基于谱的 GCN,用于有向图,通过重新定义的拉普拉斯算子来改进其传播模型。我们的方法可直接在有向图数据上的半监督节点分类任务中工作。在多个有向图数据集上的实验表明,我们的方法优于当前最优(state-of-the-art)方法。
引用
@article{arxiv.1907.08990,
title = {Spectral-based Graph Convolutional Network for Directed Graphs},
author = {Yi Ma and Jianye Hao and Yaodong Yang and Han Li and Junqi Jin and Guangyong Chen},
journal= {arXiv preprint arXiv:1907.08990},
year = {2019}
}