设计应用

基于直接高阶注意力和多尺度路由的图神经网络

作者：杨广乾，李金龙
发布日期：2022-07-05
来源：信息技术与网络安全 6期

0 引言

图结构化数据广泛存在于现实世界中，图神经网络(GNN)已被证明可以有效地学习图结构化数据背后的知识[1-2]。图神经网络基于传播机制，通过聚合图中节点的邻居信息来学习潜在表示，可以用于下游任务，例如节点分类[2-3]、图分类[4-5]、连接预测等。

受自然语言处理和计算机视觉中注意力机制的启发，研究人员也开始探索图结构学习中的注意力机制。最广泛使用的注意力机制是图注意力网络，它已被证明具有出色的性能。图注意力在消息传递过程中计算每对邻居的注意力分数，以衡量节点的重要性，使得图中的归纳学习成为可能。基于这项工作，后续工作[9-11]又进行了许多对图注意力的研究。





本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004537





作者信息：

杨广乾，李金龙

(中国科学技术大学 计算机科学与技术学院，安徽 合肥230026)


此内容为AET网站原创，未经授权禁止转载。
图神经网络 注意力 动态路由

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map