IJCAI 2019 论文解读 | 基于超图网络模型的图网络进化算法

作者丨张云喆

单位丨暗物智能科技

研究方向丨NLP推理、数学符号推理

研究背景

现实生活中很多的数据可以用图（graph）来建模，比如社交网络数据，paper 引用数据等。对于 AI 而言，一个常见的任务是半监督分类，即对图中的每一个点进行分类，在仅有部分点有标注的情况下。

处理理此类问题，比较经典的方法是 GCN [1]，通过对相邻节点的特征聚合操作来对每个节点进行特征提取。GCN 等 GNN 模型对于节点之间的关系表征是二元的，即仅能表征两个节点 <e1,e2> 之间的关系，对于大于二元的关系组只能通过多个二元关系的方式去近似。

超图模型（Hypergraph）就是针对这种情况提出的一种网络结构 [2]。如图 1 所示，不同类型的数据中都存在着多元关系，超图模型的基本设定就是一个边可以包含大于 2 个点，去拟合多元关系。

▲ 图1. 不同类型数据中的关系展示

然而超图模型和图模型存在着一样的问题，即大部分模型中节点之间的关系来自于数据本身的属性，是一种静态的关系。这样会导致模型忽视很多不包含在这些静态关系中的隐含关系。为此，本文提出了一种基于超图模型的网络进化算法，通过图卷积提取的特征来进一步挖掘新的关系，示意图如图 2