【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks

题目： Multi-Channel Graph Neural Networks

摘要： 图结构数据的分类在许多学科中已经变得越来越重要。据观察，在真实世界图中保留的隐式或显式的层次社区结构对于下游分类应用是有用的。利用分层结构的一个直接方法是利用池化算法将节点聚类到固定的组中，并逐层缩小输入图以学习池化的图。但池化收缩丢弃了图的细节，难以区分两个非同构图，固定聚类忽略了节点固有的多重特性。为了弥补网络的收缩损失和学习网络节点的各种特性，我们提出了多通道图神经网络（MuchGNN）。在卷积神经网络的基础机制的驱动下，我们定义了定制的图卷积来学习每一层的一系列图通道，并分层缩小图来编码汇集的结构。在真实数据集上的实验结果证明了MuchGNN的优越性。