无需在文本标注图上训练图神经网络
机器学习
2024-04-18 v1
摘要
图结构数据，特别是文本标注图（TAG），有效表示不同实体间的关系。此类图在半监督节点分类任务中至关重要。图神经网络（GNN）已成为处理此类图结构数据的强大工具。尽管梯度下降常用于节点分类的GNN训练，但本研究探索替代方法，消除迭代优化过程。我们提出TrainlessGNN，一种线性GNN模型，基于文本编码同一类别节点在线性子空间中聚集的观察。该模型构建权重矩阵，代表每个类别的节点属性子空间，为TAG上的半监督节点分类提供高效方法。大量实验表明，训练的模型既可匹配甚至超越传统训练方法，表明在特定配置下，无需梯度下降即可实现图神经网络。
引用
@article{arxiv.2404.11019,
title = {You do not have to train Graph Neural Networks at all on text-attributed graphs},
author = {Kaiwen Dong and Zhichun Guo and Nitesh V. Chawla},
journal= {arXiv preprint arXiv:2404.11019},
year = {2024}
}
备注
preprint