WWWJan, 2021

SUGAR: 带强化池化和自监督互信息机制的子图神经网络

PDF
TL;DR本文提出 SUGAR 算法，采用层次子图选择和嵌入来学习更有判别力的子图表示，并通过奖励池化机制和自监督互信息机制来提高模型的泛化能力和解释性。在六个典型的生物信息学数据集上进行的实验表明，SUGAR 算法具有竞争性的性能和可解释性，能够显著提高模型的质量。
graph representation learningsubgraph-level selectiongraph neural networkreinforcement pooling mechanismself-supervised mutual information mechanism
发现论文，激发创造
  • SUGAR: 基于资源感知图划分的高效子图级训练

    通过资源感知的图分割 (SUGAR) 提出了根据子图级别进行有效训练的方法，在五个图基准测试上进行了实验，结果表明 SUGAR 可以在大规模图上实现高达 33 倍的运行时间加速和 3.8 倍的内存减少，为开发适合于物联网部署的资源有效的 GNN 方法开辟了新的研究方向。

    Jan, 2022

  • 通过相互信息最大化聚合子图学习图表示

    本文提出了一种自监督学习方法，使用子图增强图级表示，设计了三种信息聚合器：attribute-conv，layer-conv 和 subgraph-conv 以从不同方面收集信息，并提出了头尾对比构建以提供丰富的负样本。在多个基准测试中，结果显示出了新的无监督状态下的最先进的结果，并在半监督学习任务上对其进行了公平比较。

    Mar, 2021

  • 多视图子图神经网络：稀缺标记数据的自监督学习

    利用子图构建长距离依赖关系来改善低数据环境下节点分类的性能，并提出了一种名为 Muse 的自监督学习框架，通过联合捕获局部结构和长距离依赖关系，提高了图中节点的表示表达能力。

    Apr, 2024

  • 可扩展自监督图表征学习的子图对比

    提出了一种基于自监督的子图对比 (Subg-Con) 的图表示学习方法，有效捕捉了大规模图数据中的区域结构信息，在弱监督、模型可伸缩性和并行性等方面具有显著的性能优势。

    Sep, 2020

  • 联合子图神经网络

    本文提出了一种名为 Union Subgraph Neural Network 的图神经网络模型，通过注入从新类型的子结构中提取的邻居连接信息以有效地编码高阶连接性，该模型被证明在区分非同构图方面比 1-WL 更强大，并且在 17 个基准测试中表现出优异的性能，尤其是在现有模型的局部编码的基础上注入我们的局部编码，可以最多提高 11.09% 的性能。

    May, 2023

  • InfoGraph：利用互信息最大化进行无监督和半监督图级表示学习

    本文研究无监督与半监督情境下，学习整个图的表示。通过最大化不同规模子结构（例如节点，边和三角形）的表示和图表示之间的互信息，提出了名为 InfoGraph 的图级表示学习方法。InfoGraph 优于现有的竞争基线。同时，我们还提出了一个名为 InfoGraph * 的扩展，主要用于半监督学习。

    Jul, 2019

  • 具有子图关注力的稳健分层图分类

    本研究提出了一种名为 SubGattPool 的算法，它能够联合学习子图注意力，利用两种不同类型的分层注意机制，以找到层次结构中的重要节点和图形中各层次结构的重要性，从而解决了现实世界中的图形分类问题，并在多个公开可用的图形分类数据集上取得了显著的性能提升。

    Jul, 2020

  • 基于子图网络的对比学习

    本文提出了一种名为基于子图网络的对比学习的新框架，用于挖掘子结构与图表征之间的相互作用，可提高图像的非监督和迁移学习性能。

    Jun, 2023

  • 高效的基于子图的图表示学习算法与系统协同设计

    SUREL 是一种可伸缩的 subgraph-based graph representation learning（SGRL）框架，通过步行分解子图来构建和重用子图，从而实现减少子图提取的冗余和支持并行计算，相较于 SGRL 基线，SUREL 达到 10 倍的加速，而预测性能相当甚至更好；而与规范的 GNN 相比，SUREL 实现了 50％的预测准确度提高。

    Feb, 2022

  • 多跳知识库问答的子图检索增强模型

    本研究提出了一种可训练的子图检索器（SR），它与后续的推理过程分离，可增强任何以子图为导向的 KBQA 模型，并通过弱监督的预训练以及端到端的微调，与 NSM 组合成为新的基于嵌入的 KBQA 方法的最新的最先进的表现。

    Feb, 2022