用于图匹配的无训练图神经网络
机器学习
2022-02-15 v2
摘要
我们提出一种无训练图匹配(TFGM)框架，以提升基于图神经网络(GNNs)的图匹配性能，提供一种无需训练（无训练）的快速可行方案。TFGM 为设计无训练 GNN 提供了四条广泛适用的原则，并可推广至监督、半监督和无监督图匹配。其关键在于将原本通过训练学习的匹配先验手工嵌入 GNN 的架构中，并舍弃在无训练设定下非必要的组件。进一步分析表明，TFGM 是图匹配二次分配公式的线性松弛，并将 TFGM 推广到广泛的 GNN 集合。大量实验表明，采用 TFGM 的 GNN 取得了与其完全训练对应模型相当（甚至更优）的性能，并证明了 TFGM 在无监督设定下的优越性。我们的代码见 https://github.com/acharkq/Training-Free-Graph-Matching。
引用
@article{arxiv.2201.05349,
title = {Training Free Graph Neural Networks for Graph Matching},
author = {Zhiyuan Liu and Yixin Cao and Fuli Feng and Xiang Wang and Jie Tang and Kenji Kawaguchi and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2201.05349},
year = {2022}
}
备注
Main paper 10 papes