带注意力去噪的加权图结构学习用于节点分类
机器学习
2025-04-01 v2 人工智能
摘要
图中的节点分类旨在利用少量标记节点预测未标记节点的类别。然而，加权图常包含噪声边和异常边权，这可能扭曲节点间的细粒度关系并阻碍准确分类。我们提出边权感知图结构学习(EWGSL)方法，通过结合权重学习和图结构学习来解决这些问题。EWGSL通过重新定义图注意力网络中的注意力系数来纳入节点特征和边权，从而提升节点分类。它还应用图结构学习来稀疏化注意力系数，并使用改进的InfoNCE损失函数通过适应去噪后的图权来增强性能。大量实验结果表明，EWGSL相比最佳基线平均Micro-F1提升17.8%。
引用
@article{arxiv.2503.12157,
title = {Weighted Graph Structure Learning with Attention Denoising for Node Classification},
author = {Tingting Wang and Jiaxin Su and Haobing Liu and Ruobing Jiang},
journal= {arXiv preprint arXiv:2503.12157},
year = {2025}
}
备注
This paper is accepted by Youth Academic Annual Conference of Chinese Association of Automation(YAC)