【ICML2021】基于小波变换的图神经网络

本文提出了一种基于框架小波变换（framelet transforms）的图神经网络。这种方法为结构化的图数据提供了多尺度表示。我们利用这种变换方式把图数据特征分解到低通和高通频率（low-pass and high-pass frequency）空间上，并利用这些频率信息定义相应的框架小波图卷积层（graph framelet convolutional layer）。此外，图上的特征通过框架小波分解，聚合出了低通和高通光谱（spectra）的信息。我们利用这一特征，进一步提出了相应的图池化（graph pooling）方法。这种池化方法同时考虑了图数据的特征信息（feature information）和几何信息（topology information）。

我们在多种节点预测和图预测任务上对本文提出的框架小波卷积和池化方法的图神经网络进行了测试。实验结果表明，我们的方法在多种应用下都可以达到SOTA的表现。

https://www.zhuanzhi.ai/paper/87ac4a31c20270d43bebe5279aca9ca2