TPAMI | MVNA：自适应邻域感知的图卷积网络

文章预览

DRUG AI 今天为大家介绍的是来自同济大学Changjun Jiang团队的一篇论文。GCN能够快速并准确地学习图表征，在许多图学习领域展现了强大的性能。尽管GCN十分有效，但GCN中的邻域感知仍然是一个重要但未完全解决的问题。当前的方法只从节点层面或跳数（hop）层面做邻域感知步骤，这导致了这些方法不能同时从全局与局部视角学习节点的邻域信息。此外，极大多数方法从单一视角学习节点的邻域信息，忽视了多视角的重要性。为了解决以上问题，作者提出了一个多视角的自适应邻域感知方法来有效学习图表征。具体来说，作者提出了三个“随机特征遮盖“的变体操作来扰动一些邻居信息，从而在节点邻域感知层面进一步提升图卷积操作的鲁棒性。同时，作者利用注意力机制自适应地从”跳“层面选取重要邻居。作者还利用多通道技术，提出了多视角损 ………………………………