谱图神经网络在节点分类中何时失效
机器学习
2022-02-18 v2
摘要
具有各种图滤波器的谱图神经网络（GNN）因其在图学习问题中的良好表现而受到广泛肯定。然而，众所周知 GNN 并非总是表现良好。尽管图滤波器为模型解释提供了理论基础，但目前尚不清楚谱 GNN 何时会失效。本文聚焦于节点分类问题，通过研究谱 GNN 的预测误差对其性能进行理论分析。借助我们提出的同质性程度和响应效率等图指标，我们建立了对图结构、节点标签与图滤波器之间复杂关系的全面理解。我们指出，对标签差异响应效率低的图滤波器容易失效。为提升 GNN 性能，我们从理论分析中提出了一种可证明更优的滤波器设计策略——使用数据驱动的滤波器组，并提出了简单模型用于实证验证。实验结果表明其与我们的理论结果一致，并支持我们的策略。
引用
@article{arxiv.2202.07902,
title = {When Does A Spectral Graph Neural Network Fail in Node Classification?},
author = {Zhixian Chen and Tengfei Ma and Yang Wang},
journal= {arXiv preprint arXiv:2202.07902},
year = {2022}
}