Основные понятия
論文は、グラフ一般化のための協力分類と合理化方法を提案しています。
Аннотация
この論文では、Graph Neural Networks(GNNs)がグラフ分類タスクで優れた結果を達成しているが、新しい環境に直面した際に効果的な一般化が困難であることが課題として挙げられています。複数の環境を考慮した分類モジュールと合理化モジュールからなるCooperative Classification and Rationalization(C2R)メソッドが提案されており、実験結果はその有効性を示しています。具体的には、環境条件付き生成ネットワークを使用して多様なトレーニング分布を導入し、知識蒸留法を用いて合理的なサブグラフ表現と堅牢なグラフ表現を整列させることで、C2Rが他の手法よりも優れたパフォーマンスを発揮することが示されました。
Статистика
GNNsはグラフ分類タスクで優れた結果を達成している。
C2Rメソッドは協力分類と合理化から成り立っており、効果的な一般化能力を持つ。
知識蒸留法によって堅牢なグラフ表現と合理的なサブグラフ表現を整列させることで、C2Rは他の手法よりも高いパフォーマンスを発揮する。
Цитаты
"Graph Neural Networks (GNNs) have achieved impressive results in graph classification tasks."
"To address these challenges, in this paper, we propose a Cooperative Classification and Rationalization (C2R) method."
"Extensive experimental results on both benchmarks and synthetic datasets demonstrate the effectiveness of C2R."