【文献阅读】Lorentzian Linear Graph Convolutional Networks For Node Classification

Abstract

大多数现有的线性GCN模型在欧几里得空间中执行神经网络操作，并未明确捕捉到真实世界数据集中以图形式建模的树状层次结构。本文尝试将双曲空间引入线性GCN，并提出了一种新的洛伦兹线性GCN框架。

具体而言，将图节点的学习特征映射到双曲空间中，然后执行洛伦兹线性特征转换，以捕捉数据的潜在树状结构。

在标准的引用网络数据集上进行半监督学习的实验结果表明，在Citeseer数据集上实现了74.7%的准确率，在PubMed数据集上实现了81.3%的准确率。在PubMed数据集上，相比其他非线性GCN模型的训练速度可以提高两个数量级。

Introduction

Related Work

Preliminaries

Lorentz Model