Полуобучаемая классификация с использованием графовых сверточных сетей
Semi-Supervised Classification with Graph Convolutional Networks
2016-09-09
SCID: 54.1/jzvq99zh
Discuss with AI
сети цитированияграфовые сверточные сетиграф знанийполуконтролируемая классификацияспектральные графовые свертки
Figures from the paper
Abstract (AI)
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.
Key Findings
1
Архитектура свертки выведена на основе локализованного приближения первого порядка спектральных графовых сверток.
2
Эксперименты на сетях цитирования и наборе данных графа знаний показали значительное превосходство над родственными методами.
3
Предложен масштабируемый подход к полуобучению с использованием графовых сверточных сетей, работающих непосредственно с графовыми данными.
4
Модель масштабируется линейно по числу ребер графа и кодирует в скрытых представлениях локальную структуру графа и признаки узлов.
Research Object
Графовые данные, включая сети цитирования и граф знаний
Research Subject
Полуконтролируемая классификация узлов с использованием графовых сверточных сетей, обучающих представления на основе локальной структуры графа и признаков узлов
Publication Details
Publication Date
2016-09-09
Journal
Publisher
ISSN
Cited by
35372
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью20
Всеобъемлющий обзор графовых нейронных сетей2020
Графовые нейронные сети: обзор методов и приложений2020
Динамическая графовая сверточная нейронная сеть для обучения на облаках точек2019
Обзор сверточных нейронных сетей: анализ, применения и перспективы2021
Пространственно-временные графовые сверточные сети: платформа глубокого обучения для прогнозирования трафика2018
Графовые сверточные сети с пространственно-временным вниманием для прогнозирования транспортных потоков2019
Графовые сверточные нейронные сети для рекомендательных систем веб‑масштаба2018
Обзор графов знаний: представление, получение и приложения2021
Графовая нейронная сеть с механизмом внимания для неоднородных графов2019
Последние достижения и применения машинного обучения в физике и материаловедении твёрдого тела2019
Обзор обучения с полуучителем2019
Сверточные двумерные встраивания для графов знаний2018
Трансформер для неоднородных графов2020
Графы знаний2021
Сверточные графовые сети: всесторонний обзор2019
Расцвет глубокого обучения в разработке лекарственных средств2018
Глубокое обучение на графах: обзор2020
Графовые сверточные нейронные сети для классификации гиперспектральных изображений2020
Обнаружение аномалий в многомерных временных рядах на основе графовых нейронных сетей2021
Графовые нейронные сети в рекомендательных системах: обзор2022