多视图图结构表示学习：基于图粗化
原文约300字/词，阅读约需1分钟。发表于：。通过实验分析，我们探索将图结构作为整体像节点一样进行学习的可行性，并基于我们的发现，提出了一种基于图粗化的多视图图结构表示学习模型（MSLgo）来进行图分类。我们通过层次启发式图粗化压缩循环和团，并通过精心设计的约束进行限制，从而构建了粗化视图以学习结构之间的高级交互。我们还引入线图来进行边嵌入，切换到以边为中心的视角构建转换视图。通过对六个真实数据集的实验，证明了 MSLgo...
研究人员提出了一种基于图粗化的多视图图结构表示学习模型（MSLgo），用于图分类。通过层次启发式图粗化压缩循环和团，并通过约束限制，构建了粗化视图以学习结构之间的高级交互。实验结果表明，MSLgo在多种架构上超过了14个基线的改进。
