本文介绍了图神经网络（GNN）中两种关键概念：augmented graphs和虚拟节点。augmented graphs通过添加噪声、扰动结构、生成子图和增加标签等方法扩展原始图数据，提升模型泛化能力。虚拟节点是附加到图上的特殊节点，与所有其他节点相连，促进信息快速传播，提高GNN的学习效果。文中还提及了PyG和gtrick库中虚拟节点的不同实现方式。
1.augmented graphs
在图神经网络（GNN）的研究中，通常需要将原始的图数据转换为可以用于机器学习的形式。其中一种常见的方法是将原始的图数据进行扩充，得到所谓的"augmented graphs"，也可以称之为“增强图”。以扩展数据集并提高模型的泛化能力。
具体来说，augmented graphs可以包括以下内容：
-
添加噪声：在原始图中添加随机噪声，例如加入随机的节点或边。
-
扰动结构：对原始图的节点或边进行随机交换或删除，以生成类似但不完全相同的新图。
-
生成子图：从原始图中提取子图，以生成与原图类似但不同的新图。
-
增加标签：对原始图的节点或边添加或更改标签，以扩展数据集并提高模型的鲁棒性。
这些augmented graphs的变换可以通过数据增强技术来实现，例如随机缩放、平移或旋转。这些变换可以帮助GNN模型学习更泛化的图表征，并提高模型在未见过的数据上的性能。
2.Virtual Node
为图添加一个虚拟节点（Virtual Node），这一节点与图上的所有节点相连。每次更新节点信息时，首先将虚拟节点的信息传播给图上的每个节点，之后使用GNN更新图上的节点信息，在将图上的节点信息传播向虚拟节点，更新虚拟节点的表示。
从这一trick的作用方式可以看出，它可以让图上的节点快速交换信息，只要经过一次虚拟节点的信息聚合与传播，图上的任意一个节点就可以获得其他所有节点的信息。
值得注意的是，PyG中已有
最低0.47元/天 解锁文章
扫一扫
796
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
