热门
最新
红包
立Flag
投票
同城
我的
发布
CSDN App 扫码分享
评论
3
打赏
- 复制链接
- 举报
下一条:
IJCAI 2020 论文推荐:Bilinear Graph Neural Network with Neighbor Interactions图神经网络(GNN)是一个表示学习和对图数据进行预测的强大模型。现有的关于GNN的研究在很大程度上将图卷积定义为连接节点特征的加权和,以形成目标节点的表示。但加权和的操作假设相邻节点是相互独立的,忽略了相邻节点之间可能存在的相互作用。当存在这样的交互时,例如两个相邻节点的同时出现是目标节点特性的强烈信号,现有的GNN模型可能无法捕获该信号。在这项工作中,作者论证了在GNN中对相邻节点之间的交互进行建模的重要性,提出了一个新的图卷积算子,它用相邻节点表示的两两交互来增加加权和。该框架被称为双线性图神经网络(BGNN),它利用相邻节点之间的双线性交互提高了GNN的表示能力。特别地,作者分别基于众所周知的GCN和GAT指定了两个名为BGCN和BGAT的BGNN模型。在三个公开的半监督节点分类基准上的实证结果验证了BGNN - BGCN (BGAT)的分类准确率比GCN (GAT)高出1.6%(1.5%)。论文链接:https://www.aminer.cn/pub/5ef96b048806af6ef2772079?conf=ijcai2020?f=cs