【NeurIPS2020】迭代深度图学习的图神经网络:更好和鲁棒的节点嵌入

10 月 1 日 专知
【NeurIPS2020】迭代深度图学习的图神经网络:更好和鲁棒的节点嵌入


在本文中,我们提出了一种端到端的图学习框架,即迭代深度图学习(IDGL),用于共同迭代地学习图结构和图嵌入。IDGL的关键原理是学习基于更好的节点嵌入的更好的图结构,反之亦然(即基于更好的图结构的更好的节点嵌入)。我们的迭代方法动态停止时,学习图接近足够优化的图预测任务。此外,我们将图学习问题转换为一个相似度量学习问题,并利用自适应图正则化来控制学习图的质量。最后,结合基于锚点的近似技术,我们进一步提出了一个可扩展的IDGL版本,即IDGL- anch,在不影响性能的前提下,显著降低了IDGL的时间和空间复杂度。我们在9个基准上进行的广泛实验表明,我们提出的IDGL模型始终能够优于或匹配最先进的基线。此外,IDGL还能更鲁棒地处理对抗图,并能同时处理传导学习和归纳学习。


https://arxiv.org/abs/2006.13009


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“IDGL” 可以获取《【NeurIPS2020】迭代深度图学习的图神经网络:更好和鲁棒的节点嵌入》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
0

相关内容

小贴士
相关VIP内容
专知会员服务
11+阅读 · 11月19日
专知会员服务
5+阅读 · 11月1日
【NeurIPS2020】点针图网络,Pointer Graph Networks
专知会员服务
30+阅读 · 9月27日
专知会员服务
22+阅读 · 5月25日
八篇NeurIPS 2019【图神经网络(GNN)】相关论文
专知会员服务
22+阅读 · 1月10日
相关论文
Jia Li,Tomasyu Yu,Jiajin Li,Honglei Zhang,Kangfei Zhao,YU Rong,Hong Cheng,Junzhou Huang
0+阅读 · 11月18日
Attentive Graph Neural Networks for Few-Shot Learning
Hao Cheng,Joey Tianyi Zhou,Wee Peng Tay,Bihan Wen
18+阅读 · 7月14日
Self-Supervised Learning For Few-Shot Image Classification
Da Chen,Yuefeng Chen,Yuhong Li,Feng Mao,Yuan He,Hui Xue
7+阅读 · 2019年11月14日
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Ruochi Zhang,Yuesong Zou,Jian Ma
9+阅读 · 2019年11月6日
Invariance-Preserving Localized Activation Functions for Graph Neural Networks
Luana Ruiz,Fernando Gama,Antonio G. Marques,Alejandro Ribeiro
3+阅读 · 2019年11月5日
Junyuan Shang,Cao Xiao,Tengfei Ma,Hongyan Li,Jimeng Sun
4+阅读 · 2019年3月7日
Parsimonious Bayesian deep networks
Mingyuan Zhou
3+阅读 · 2018年10月17日
Stephen Bonner,Flavian Vasile
14+阅读 · 2018年8月3日
A Multi-Objective Deep Reinforcement Learning Framework
Thanh Thi Nguyen
8+阅读 · 2018年6月27日
Hierarchical Graph Representation Learning with Differentiable Pooling
Rex Ying,Jiaxuan You,Christopher Morris,Xiang Ren,William L. Hamilton,Jure Leskovec
6+阅读 · 2018年6月26日
Top