利用图原始信息提升消息传递神经网络
机器学习
2023-01-30 v2 人工智能
摘要
消息传递神经网络 (MPNNs) 基于图原始信息（包括节点特征和图结构）学习图结构数据的表示，并在节点分类任务中展现出惊人的提升。然而，MPNNs 的表达能力受限于一阶 Weisfeiler-Leman 测试，其准确率仍有提升空间。本研究从理论和经验两方面研究了如何通过充分利用图原始信息来提升 MPNNs 的表达能力和泛化能力。本文进一步提出了一种名为 INGNN (INformation-enhanced Graph Neural Network) 的新 GNN 模型，利用这些见解来提升节点分类性能。在合成数据集和真实数据集上的大量实验证明了我们的 INGNN 相较于 SOTA 方法的优越性（平均排名 1.78）。
引用
@article{arxiv.2210.05382,
title = {Uplifting Message Passing Neural Network with Graph Original Information},
author = {Xiao Liu and Lijun Zhang and Hui Guan},
journal= {arXiv preprint arXiv:2210.05382},
year = {2023}
}
备注
13 pages, 3 figures