论文 | TransGNN：Transformer和GNN可以互相帮助吗？

尽管 Transformer 在自然语言处理和计算机视觉方面取得了巨大成功，但由于两个重要原因，它很难推广到中、大规模图数据：(i) 复杂性高。(ii) 未能捕获复杂且纠缠的结构信息。在图表示学习中，图神经网络（GNN）可以融合图结构和节点属性，但感受野有限。因此，我们质疑是否可以将 Transformer 和 GNN 结合起来，互相帮助？在本文中，我们提出了一种名为 TransGNN 的新模型，其中 Transformer 层和 GNN 层交替使用以相互改进。具体来说，为了扩大感受野并解开边的信息聚合，我们建议使用 Transformer 聚合更多相关节点的信息，以改善 GNN 的消息传递。此外，为了捕获图结构信息，我们利用位置编码并利用GNN层将结构融合为节点属性，从而改进了图数据中的Transformer。我们还建议对 Transformer 最相关的节点进行采样，并提出两种有效的样本更新策略以降低复杂性。最后，我们从理论上证明 TransGNN 仅在具有额外的线性复杂度的情况下才比 GNN 更具表现力。在8个数据集上的实验证实了 TransGNN 在节点和图分类任务上的有效性。

https://arxiv.org/abs/2308.14355

背景

近年来，Transformer在自然语言处理（NLP）和计算机视觉（CV）领域取得了巨大成功。它被公认为最强大的神经网络，并取代了卷积神经网络和循环神经网络，成为语言理解、机器翻译和图像分割等许多任务中新的事实上的标准。尽管 Transformer 在序列数据上已经被证明是成功的，但它还没有很好地推广到图上。图数据在我们的生活中也非常重要，它可以描述实体之间的多种关系，包含很多有用的知识。例如，我们可以通过分析新分子的图结构和节点属性来预测新分子的属性。

在图数据中使用Transformer面临的主要挑战有两方面:

(i)计算每个中心节点对整个图数据的注意力权重会导致O(N2)时间和空间复杂度，从而导致图变大时内存不足的问题。

(ii)虽然Transformer可以全局自适应地聚合信息，但由于其聚合过程完全不依赖于边，因此Transformer很难充分利用图结构信息。

在图表示学习中，图神经网络（GNN）已成为主导选择，各种 GNN 架构在许多基于图的任务中实现了最先进的性能，例如节点分类、链接预测和图分类。尽管 GNN 及其变体已经取得了很大的进步，但仍然存在一些局限性。一方面，消息传递机制依赖边来融合图结构和节点属性，导致很强的偏差和噪声。如果节点之间没有连接，就无法获得一些有用的信息。此外，在真实的图数据中，存在许多连接不相关节点的噪声边。这些由消息传递机制引起的偏差和噪声使得 GNN 学习到的表示包含不完整的信息，从而损害了下游任务的性能。另一方面，由于过度平滑问题，GNN 的感受野也受到限制。事实证明，随着GNNs架构变得更深并达到一定程度，模型将不再对训练数据做出响应，并且这种深度模型获得的节点表示往往会过度平滑，也变得难以区分。这些限制导致 GNN 出现令人沮丧的妥协，其中感受野有限的浅层 GNN 只能聚合邻域内的不完整信息，而深层 GNN 则存在过度平滑问题。

本文提出的问题是，是否可以将 Transformer 和 GNN 结合起来，通过融合各自的优势来相互帮助? 在 Transformer 的帮助下，GNN 的接受场可以扩展到更多相关的节点，这些节点可能远离中心节点。另一方面，GNN 可以帮助 Transformer 捕获复杂图拓扑信息，并有效地从邻域中聚合更多相关节点。

模型框架

TransGNN 的框架如图1所示，该框架由三个重要组成部分组成: (1)注意力采样模块，(2)位置编码模块，(3) TransGNN 模块。首先通过考虑注意力采样模块中的语义相似度和图结构信息，对每个中心节点进行最相关节点的采样。然后在位置编码模块中，计算位置编码以帮助 Transformer 捕获图拓扑信息。在这两个模块之后我们使用 TransGNN 模块，该模块按顺序包含三个子模块: (i) Transformer 层，(ii) GNN 层，(iii)样本更新子模块。其中，Transformer 层用于扩展 GNN 层的接受场，高效地聚合注意力样本信息，而 GNN 层则帮助 Transformer 层感知图结构信息，获取更多邻近节点的相关信息。样本更新子模块用于在新表示时有效地更新注意力样本。

TransGNN的框架。首先对中心节点进行相关节点采样，然后计算位置

编码，结合结构信息增强原始属性。在TransGNN模块中，Transformer

层和GNN层相互改进，然后是样本更新子模块。

（1）注意力采样模块

在图数据中，不需要计算每个节点对整个图的关注，只要考虑最相关的节点就足够了，这不仅降低了复杂性，而且还过滤掉了噪声节点的信息。计算节点属性的语义相似矩阵:

然而，通过 S 只能得到原始的语义相似度，而不考虑结构的影响。邻居节点的偏好对中心节点也有影响，因为在消息传递机制后，信息将被传递到邻居节点。使用以下公式更新相似度矩阵以包含邻居节点的偏好:

注意力采样：给定输入图 G 及其相似度矩阵 S，对于图中的节点 𝑣𝑖，我们将其注意力样本定义为集合 Smp(𝑣𝑖) = {𝑣𝑗 |𝑣𝑗 ∈ 𝑉 和 𝑆(𝑖, 𝑗) ∈ top-k (𝑆(𝑖, :))} 其中𝑆(𝑖, :) 表示 S 的第 𝑖 行，𝑘 作为超参数，决定应该关注多少个节点。

（2）位置编码模块

在图数据中，结构信息对于图表示学习是非常重要的。然而，与类似网格的数据(其中序列顺序可以被 Transformer 轻松捕获)不同，图结构信息更为复杂。为了获取 Transformer 的图结构信息，我们提出了三种位置编码:(i)基于最短路径跳的位置编码。(ii)基于程度的位置编码。(iii)基于位置编码的 PageRank。前两个考虑了拓扑距离和局部结构，最后一个显示了拓扑在中、大型图中决定的重要性。

（1）基于最短路径跳的位置编码：拓扑距离是图数据中一种重要的结构信息，可以在一定程度上用来描述拓扑相似性。具体地说，将最短路径跳矩阵记为P，对于每个节点𝑣∈V及其注意样本节点𝑣𝑗∈Smp(𝑣)，最短路径跳为P(i，𝑗)，计算每个注意样本节点𝑣𝑗的基于最短路径跳的位置编码(SPE)为:

（2）基于度的位置编码：在图数据中，节点的度可以表示其周围邻居结构的复杂程度，而度越大的节点可能具有更复杂的局部结构。许多真实世界数据中的度分布具有幂律性质，表明中心节点和注意样本的度可能是不同的。对于任意一个度为degi的节点𝑣i，基于度的位置编码(DE)为:

（3）基于Page Rank 的位置编码：在现实图中，不同的节点由于拓扑结构的不同而具有不同的重要性。Page Rank算法可以根据节点在图数据中的结构角色对其重要性进行标注，其中重要性越高的节点将被标记为页面Rank值越高的节点。对于节点𝑣i，将其页面秩值表示为Pr(𝑣i)，基于页面秩的位置编码(PRE)为:

基于上面定义的位置编码，Transformer 可以捕获许多不同类型的图结构信息，方法是将它们聚合到原始节点属性中。具体来说，对于中心节点𝑣和它的注意力样本Smp(𝑣)，通过以下方式对位置编码进行聚合:

（3）TransGNN模块

GNN 的感受野有限，因为它们的消息传递机制只聚集邻居内的信息，但深度 GNN 存在过度平滑问题。在图中，相关节点可能远离中心节点，并且在邻居内的节点也可能包含噪声。这损害了 GNN 的有效性。然而，虽然 Transformer 可以聚合远距离的相关信息，但是 Transformer 很难充分利用结构信息，并且复杂性也是重要的问题。在本模块中，将 Transformer 和 GNN 相结合，使其优势互补，其中包含三个子模块:(i) Transformer 层，(ii) GNN 层，(iii) samples 更新子模块。

（1）Transformer 层：使用 Transformer 层来改进 GNN 层，将感受野扩展到更相关的节点，这些节点可能远离邻域。

多头的注意力

（2）GNN 层：利用 GNN 层融合表示和图结构，帮助 Transformer 层更好地利用图结构。

（3）样本更新子模块：在 Transformer 层和 GNN 层之后，注意力样本应该根据新的表示进行更新。然而，计算相似矩阵将导致𝑂(N2)复杂度。

基于随机游走的更新：考虑到图数据的局域性，相似节点更有可能包含在邻域中，通过探索注意力样本邻域来更新注意力样本，以找到可能的新的相关节点。使用随机漫步策略来探索每个采样节点的局部邻域。具体而言，根据相似度计算随机游走的转移概率为:

基于消息传递的更新：基于随机游动的更新策略有额外的开销。我们提出了另一种更新策略，利用GNN层的消息传递来更新样本，而没有额外的开销。具体来说，我们在GNN层的消息传递过程中，对每个中心节点的邻居节点的注意力样本进行聚合。这背后的直觉是，邻居的注意力样本也可能是中心节点的相关注意力样本。我们将相邻节点的关注样本集表示为关注消息，其定义如下:

理论分析

（1）定理1：TransGNN 至少具有 GNN 的表达能力，任何 GNN 都可以被 TransGNN 表达。

虚线表示Transformer层的感受野，颜色表示相似关系。

（2）定理2：TransGNN 比 1-WL Test 更具表达性。

实验

结果

节点分类

图分类

注意力采样

可视化