グラフ分類のためのグラフニューラルネットワークへのヘテロフィリーの組み込み【JST機械翻訳】

Yang Jiayi; Medya Sourav; Ye Wei

プレプリント

J-GLOBAL ID：202202212463233251 整理番号：22P0304328

グラフ分類のためのグラフニューラルネットワークへのヘテロフィリーの組み込み【JST機械翻訳】

Incorporating Heterophily into Graph Neural Networks for Graph Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2024年05月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グラフニューラルネットワーク(GNN)は,しばしばグラフ分類のために強いホモフィリィを仮定し,ヘテロフィリィをほとんど考慮せず,連結ノードが異なるクラスラベルと異なる特徴を持つ傾向があることを意味する。実世界のシナリオでは,グラフはホモフィリとヘテロフィリの両方を示すノードを持つ。この設定への一般化の失敗は,多くのGNNをグラフ分類において不完全にする。本論文では,3つの効果的な設計を同定し,IHGNN(Graph Neural NetworksにHeterophilyを組み込むための短い)と呼ばれる新しいGNNアーキテクチャを開発することにより,この制限に対処した。これらの設計には,ノードのエゴおよび近傍埋込みの統合および分離,異なる層からのノード埋込みの適応集約,およびグラフレベル読出し関数を構築するための異なるノード埋込み間の差別化の組合せが含まれている。様々なグラフデータセット上でIHGNNを経験的に検証し,それがグラフ分類に対する最先端のGNNよりも性能的に優れていることを示した。【JST機械翻訳】

,
, 【Automatic Indexing@JST】

人工知能 , ネットワーク法 , 計算機網 , ニューロコンピュータ , 移動通信

, , ,

前のページに戻る