简读分享 | 王天朔 编辑 | 陈兴民
论文题目
Beyond Homophily: Structure-aware Path Aggregation Graph Neural Network
论文摘要
论文摘要: 尽管 GNN 在大多数任务上取得了良好的结果，大部分 GNN 是基于同质性的条件设计出来的。也就是说，相连接的结点对倾向于拥有相似的特征，或属于同种类别。然而，现实世界中有很多图并不具有同质性，表现出“异性相吸”的特点。然而，GNN 基于同质性的假设限制了其在异质图上的表示学习能力。本文聚焦于图上的路径，用来表示丰富的语义和结构信息。本文提出了路径聚合图神经网络 Path Aggregation Graph Neural Network (PathNet)，旨在将 GNN 同时推广到同质图和异质图上。多个数据集上的实验结果证明，本文提出的模型具有良好的效果。
论文链接
https://www.ijcai.org/proceedings/2022/310
