无需训练的图神经网络与标签作为特征的能力
原文中文,约200字,阅读约需1分钟。发表于: 。我们提出了无需训练且可选择性训练的图神经网络(TFGNNs),用于跨样本节点分类。我们首先倡导标签作为特征(LaF)的技术,证明了 LaF 能够显著增强图神经网络的表达能力。我们基于这一分析设计了 TFGNNs,并在实验中证实了 TFGNNs 在无需训练的情况下优于现有的 GNNs,并且收敛所需的训练迭代次数少于传统的 GNNs。
我们提出了无需训练且可选择性训练的图神经网络(TFGNNs),用于跨样本节点分类。通过标签作为特征(LaF),我们证明了LaF能够增强图神经网络的表达能力。实验证实了TFGNNs在无需训练的情况下优于现有的GNNs,并且收敛所需的训练迭代次数少于传统的GNNs。