【免费】2019-ICLR-CAPSULEGRAPHNEURALNETWORK-网文-rrr1资源-CSDN文库

需积分: 0 95 浏览量 2022-08-08 20:09:30 上传评论收藏 718KB DOCX 举报

资源详情

资源评论

资源推荐

论文分享 | Capsule Graph Neutral Network

原创：苏涛极验今天

图卷积生成的高质量节点 embedding 被广泛应用到各种基于节点的应用和方法。本

文的作者受到 17 年胶囊网络的启发，提出胶囊图神经网络 CapsGNN。

通过以胶囊的形式抓取节点的特征，

利用路由机制来捕获图表级别的重要信息。

这样，CapsGNN 模型

生成多个 graph 级别的 embeddings，他们从不同的方面捕获 graph 的属性。

CapsGNN 模型中的注意力模块用于处理各种尺寸的 graph，使模型能够专注于图的关键

部分。

作者在 10 个图结构数据集上，对模型做了广泛的评估，表明 CapsGNN 拥有捕获图宏

观属性的强大机制，在一些图分类任务上，优于其他 state-of-the-art 的方法。

胶囊图神经网络

CapsGNN 使用提取自 GNN 的节点特征生成一系列高质量的图 embeddings。每个

graph 都拥有多个 graph 级别的 embedding，每个 embedding 从一个独特的角度反映图

的属性。进一步说，通过 GNN 以胶囊的形式提取基础的节点特征，路由机制生成高级的

图 capsules 和类 capsules。attention 模块在生成 graph capsules 的过程中解决图尺寸不一

致的问题。

胶囊图神经网络由三个主要的 block 组成：

� 基础节点胶囊提取 block：GNN 提取具有不同感知域的局部顶点特征，产生初级的

胶囊。

� 高级图胶囊提取 block：注意力模块和动态路由融为一体，生成图的多个胶囊。

� 图分类 block：动态路由再次被调用，用于生成图分类的类胶囊。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

评论0

内容反馈

黄涵奕

粉丝: 68
资源: 328

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip