Core Concepts
Graph Convolutional Network mit Selbst-Aufmerksamkeit verbessert die Erfassung von langreichweitigen Abhängigkeiten in Graphen.
Abstract
Viele Graph Neural Networks (GNNs) können langreichweitige Abhängigkeiten nicht erfassen.
GCN-SA verbessert die Repräsentationslernen auf Knotenebene.
Zwei Verbesserungen: Kanten und Knotenmerkmale.
Experimentelle Ergebnisse zeigen die Wirksamkeit von GCN-SA.
Stats
Die vorgeschlagene GCN-SA erreicht eine Genauigkeit von 90,5% auf dem Cora-Datensatz.
GCN-SA verbessert die Leistung auf dem Chameleon-Datensatz um 64,1%.
Auf dem Texas-Datensatz erreicht GCN-SA eine Genauigkeit von 90,8%.
Quotes
"Die vorgeschlagene GCN-SA enthält zwei Schlüsselverbesserungen, eine betrifft Kanten und die andere Knoten."
"Die experimentellen Ergebnisse zeigen die Wirksamkeit des vorgeschlagenen GCN-SA."