通过图子估计训练图神经网络
机器学习
2021-09-07 v1 社会与信息网络
摘要
在这项工作中，我们提出通过从底层网络数据获得的图子估计中重采样来训练图神经网络。更具体地，首先获得底层网络的图子或连边概率矩阵，从中重新采样一个新网络，并在每一层的训练过程中使用。由于重采样引发的不确定性，它有助于缓解图神经网络（GNN）模型中众所周知的过平滑问题。我们的框架通用、计算高效且概念简单。我们方法的另一个吸引人的特点是，它在训练过程中需要最少的额外调参。大量数值结果表明，我们的方法具有竞争力，并且在许多情况下优于其他减轻过平滑的GNN训练方法。
引用
@article{arxiv.2109.01918,
title = {Training Graph Neural Networks by Graphon Estimation},
author = {Ziqing Hu and Yihao Fang and Lizhen Lin},
journal= {arXiv preprint arXiv:2109.01918},
year = {2021}
}