WWW 2022 | 可扩展的图随机神经网络
作者 | 刘林松
单位 | 南京邮电大学
来源 | MIND Laboratory
收录来源:
论文来源:
论文介绍
近期的工作认为图随机神经网络具有很好的性能,但是难以用在大型图上。本文提出了一个广义的前推算法,预先计算传播矩阵,并使用它以小批量方式执行图数据扩充,最后使用一个自信感知的一致性损失来优化模型。
论文方法
图随机神经网络是图神经网络的一致性正则化框架,优化不同增强中未标记节点的预测一致性,通过随机传播来增强数据。首先对特征矩阵进行扰动,之后通过混合顺序的矩阵在图上传播。图随机神经网络使用平均池化的矩阵来传播:
随机传播的策略可以表示为:
实验结果
作者在多个数据集上进行了节点分类任务:
为了验证可扩展性,作者在多个大型数据集上进行了实验:
对于模型中的参数,作者也进行了分析:
总结
本文提出了一个用于半监督学习的可扩展高性能 GNN 框架,通过广义前推来计算特征传播的矩阵,同时使用自信感知的一致性损失来实现一致性训练。与现有的方法相比取得了很好的效果。
更多阅读
#投 稿 通 道#
让你的文字被更多人看到
如何才能让更多的优质内容以更短路径到达读者群体,缩短读者寻找优质内容的成本呢?答案就是:你不认识的人。
总有一些你不认识的人,知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁,促使不同背景、不同方向的学者和学术灵感相互碰撞,迸发出更多的可能性。
PaperWeekly 鼓励高校实验室或个人,在我们的平台上分享各类优质内容,可以是最新论文解读,也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个,让知识真正流动起来。
📝 稿件基本要求:
• 文章确系个人原创作品,未曾在公开渠道发表,如为其他平台已发表或待发表的文章,请明确标注
• 稿件建议以 markdown 格式撰写,文中配图以附件形式发送,要求图片清晰,无版权问题
• PaperWeekly 尊重原作者署名权,并将为每篇被采纳的原创首发稿件,提供业内具有竞争力稿酬,具体依据文章阅读量和文章质量阶梯制结算
📬 投稿通道:
• 投稿邮箱:hr@paperweekly.site
• 来稿请备注即时联系方式(微信),以便我们在稿件选用的第一时间联系作者
• 您也可以直接添加小编微信(pwbot02)快速投稿,备注:姓名-投稿
△长按添加PaperWeekly小编
🔍
现在,在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧