SoftEdge: Regularizing Graph Classification with Random Soft Edges
本文提出了一种新的dropedge 的方式,不是直接丢掉边,而是对边进行加权 为之 Soft Edges。全篇都在解释为啥这个方法有用,
文章提出了样本碰撞问题(sample collision issue), 也就是非常相似结构的但是标签不同的graph,会被映射到相同embedddings 空间的问题,这个问题其实在GNN 上一直存在,特别是1-WL test 表明是不是异构但是又标签不同的graph。
下面的图表明使用dropedge 生成 augmentation 会导致得到两个在WL test 同构的图,也就是GNN分不出来,所以会得到相同的graph embeddings, 所以如果使用这样的样本作为数据增广是不合适的。
这篇文章提出了将已有的二值adjacency 变成 带权的。
code by pyg