Block Modeling-Guided Graph Convolutional Neural Networks

发表于:AAAI22
推荐指数: #paper/⭐⭐⭐
概括其思想:
其思路基于每个子块应该有自己的建模方式,以块为基础重构了相似性矩阵

Block matrix

给定标签矩阵$Y\in {\mathbb{R}}^{n\times c}$.块矩阵定义为:
$$H=\left(Y^{T}AY\right)\oslash \left(Y^{T}AE\right)$$
其中,E是和Y相似的all one矩阵.块矩阵链接任何两个块的相似性.

模型框架

学习块矩阵

有点看不懂,需要看代码
$$\bar{B}=\sigma \left(\mathrm{MLP}\left(X\right)\right)$$
$$B=\mathrm{softmax}\left(\bar{B}\right)$$
$${\mathcal{L}}_{MLP}=\sum _{v_i\in {\mathcal{T}}_{\nu }}f\left(B_i,Y_i\right)$$
其中,${\mathcal{T}}_{\mathcal{V}}$.这三个公式的意思是:用特征矩阵X去模拟标签矩阵Y.
$$Y_s=$$