ICML 2022 | 图神经网络的局部增强

论文链接：

https://arxiv.org/pdf/2109.03856.pdf

代码链接：

https://github.com/SongtaoLiu0823/LAGNN

 

近年来，图神经网络在基于图的任务中取得了显著的性能，而 GNN 的核心思想是通过聚集局部邻域的信息来获得节点的表示。尽管 GNN 在从局部邻域学习节点表示方面取得了进展，但局部邻域信息是否足以获得有效的节点表示仍然是一个问题，特别是对于邻居数量有限的节点。

本文认为，局部邻域中有限的邻居数量限制了 GNN 的表达能力，阻碍了它们的性能。为了解决这一问题，本文提出了一个高效的数据增强框架——LAGNN；局部增强指通过基于局部结构以及节点特征的生成模型来生成邻域特征。具体而言，本文的框架包括一个预训练步骤，该步骤通过生成模型学习一个中心节点的连接邻居节点特征的条件分布。