【AAAI2021】图神经网络的数据增强

数据增强已被广泛用于提高机器学习模型的通用性。但是，相对较少的工作研究图形的数据扩充。这在很大程度上是由于图的复杂非欧几里得结构限制了可能的操纵操作。视觉和语言中常用的增强操作没有图形类似物。在改进半监督节点分类的背景下，我们的工作《Data Augmentation for Graph Neural Networks》研究了图神经网络（GNN）的图数据扩充。我们讨论了图数据扩充的实践和理论动机，考虑因素和策略。我们的工作表明，神经边缘预测器可以有效地编码类同质结构，以在给定的图结构中促进类内边缘和降级类间边缘，并且我们的主要贡献是引入了 GAug 图数据扩充框架，该框架利用这些见解来提高性能通过边缘预测的基于 GNN 的节点分类在多个基准上进行的广泛实验表明，通过 GAug 进行的增强可提高 GNN 架构和数据集的性能。本文已被AAAI 2021会议接收。

https://www.zhuanzhi.ai/paper/5e4dd4fd6b06fc88a7d86e4dc50687c6

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DAGNN” 可以获取《【AAAI2021】数据增强图神经网络》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源