基于异构图的鲁棒图卷积网络中的潜在同质结构优化
原文中文,约300字,阅读约需1分钟。发表于: 。我们研究了图卷积网络在节点分类中对普遍存在的异质图的鲁棒性,并发现主要的脆弱性源于结构上的分布不一致问题。为了解决这个问题,我们提出了一种新的方法,通过自动学习异质图上的潜在同质结构来加固 GCNs。这个方法被称为 LHS,通过多节点交互的新颖自表达技术学习潜在结构,然后使用双视图对比学习方法来细化结构。在各种基准测试上的实验表明,该方法对于鲁棒的 GCNs 具有有效性。
我们研究了图卷积网络在节点分类中对异质图的鲁棒性,并发现分布不一致是主要脆弱性源。为解决此问题,提出了一种名为LHS的方法,通过学习潜在同质结构来加固GCNs。实验证明该方法对鲁棒的GCNs有效。