图神经网络中的随机聚合
机器学习
2021-03-01 v2 人工智能
机器学习
摘要
图神经网络（GNNs）表现出过平滑和判别力受限等缺陷，这是由次优表达力的聚合机制导致的。本文提出图神经网络中随机聚合（STAG）的统一框架，其中将噪声（自适应地）注入来自邻域的聚合过程以形成节点嵌入。我们提供理论论证表明，STAG模型以极小的开销弥补了上述两个问题。除固定噪声模型外，我们还提出了STAG模型的概率版本以及用于学习噪声后验的变分推断框架。我们进行了明确针对过平滑和多集合聚合局限性的说明性实验。此外，STAG在常用引文和分子图基准数据集中展现出竞争性能，提升了GNNs的总体表现。
引用
@article{arxiv.2102.12648,
title = {Stochastic Aggregation in Graph Neural Networks},
author = {Yuanqing Wang and Theofanis Karaletsos},
journal= {arXiv preprint arXiv:2102.12648},
year = {2021}
}