【AAAI2021】数据增强图神经网络

论文链接：https://www.zhuanzhi.ai/paper/5e4dd4fd6b06fc88a7d86e4dc50687c6

简介：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。