ICLR2021投稿的3篇值得关注的图相关论文:
1.图-图相似网络——将图分类问题转化为一个经典的节点分类问题2.如何找到你的友好邻里:自监督的图注意设计——提出了一种改进的噪声图的图注意模型——自监督图注意网络(SuperGAT)
3.基于边割的图神经网络汇聚——提出了一种基于图的边割的池层来提高分类精度
1. GRAPH-GRAPH SIMILARITY NETWORK
当GNN显式聚合邻域信息并隐式捕捉图的拓扑结构时,它们忽略了图之间的关系。此文提出了一种图-图相似网络,通过学习图之间的关系来构造超图来解决图的分类问题。 超图中的每个节点代表一个输入图,边的权重表示图之间的相似性。通过这种方法,将图分类问题转化为一个经典的节点分类问题。
使用对抗自动编码器将所有图的嵌入对齐到相同的分布。
对齐后