作者来自吉林大学杨博老师团队(请原谅一作大佬我不认识hhh)。话说杨博老师确实是位负责、有学术精神且高产的好老师,欢迎大家踊跃报考哈。
名词解释
- 消息传递神经网络(MPNNs):参见文献【1】,它是一种形式化的空域卷积的框架,分为消息传递与状态更新,其操作可以近似地认为是GCN。
- 异配图(disassortative graphs):Social Network中有优先连接的规律,相似的结点有与相似结点连接的倾向。但是在异配图中,某一类结点可能与不相似的结点相连,这导致了在MPNN消息更新的时候引入了无关结点的噪声。
- 排列不变性(permutation invariance)。输入的顺序不会改变其输出值,形式化的描述就是f(x1,x2) = f(x2,x1)。
Abstract
消息传递神经网络(MPNNs)的两个基本缺陷限制了它们表示图形结构数据的能力:丢失了邻居节点的结构信息(注意,这也是在GCN中非常普遍的一个问题,现在的学者们甚至不好确定网络的结构信息在图卷积中到底起到了一个什么作用),以及缺乏在异配图(disassortative graphs)中捕获长期依赖关系的能力