Полуобучаемая классификация с использованием графовых сверточных сетей

Мы представляем масштабируемый подход к полуобучению на данных, структурированных в виде графов, основанный на эффективном варианте сверточных нейронных сетей, которые работают непосредственно с графами. Выбор сверточной архитектуры обоснован локализованным приближением первого порядка спектральных графовых сверток. Наша модель масштабируется линейно относительно числа ребер графа и обучает представления скрытых слоев, кодирующие как локальную структуру графа, так и признаки узлов. В серии экспериментов на сетях цитирования и наборе данных графа знаний мы демонстрируем, что предложенный подход значительно превосходит родственные методы.