目录
简介
摘要
本文研究了一种新的元聚合算法用于图神经网络的二值化。我们首先开发一个普通的1位GNN框架,它将GNN参数和图特征进行二值化。尽管采用了轻量级架构,但我们发现这个普通框架在区分图拓扑方面的鉴别能力不足,导致了性能的急剧下降。这一发现促使我们设计元聚合器来提高普通二值化gnn的表达能力,其聚合方案可以根据二值化特征以可学习的方式自适应改变。为此,我们提出了两种专门的元邻居聚合器,一种专有的元聚合器被称为Greedy Gumbel neighborhood aggregator (GNA),另一种弥散的元聚合器被称为Adaptable Hybrid Neighborhood Aggreg