BriefGPT.xyz
Jun, 2020
图神经网络中超越同构性:现有限制与有效设计
Generalizing Graph Neural Networks Beyond Homophily
HTML
PDF
Jiong Zhu, Yujun Yan, Lingxiao Zhao, Mark Heimann, Leman Akoglu...
TL;DR
该研究通过节约和邻居嵌入、高阶邻居和中间表示的结合,设计出一种草图神经网络(H2GCN),并通过实验表明其在半监督节点分类任务下,具有比传统模型更高的预测准确率,尤其对于异质性网络(即一对连接的节点可能具有不同的类别标签和不同的特征)表现更出色。
Abstract
We investigate the representation power of
graph neural networks
in the semi-supervised node classification task under
heterophily
or low homophily, i.e., in networks where connected nodes may have different clas
→