图注意力网络

异配图节点分类

一种同时聚合邻居节点低频和高频信息的双通道图注意力网络，能显著提升异配图上的节点分类性能。

Sun, Yukuan · Yutai, Duan · Ma, Haoran · 李月龙 · Wang J.

Pattern Recognition 2024

技术优势

捕获高频邻居信息

负注意力权重使网络能够聚合邻居节点的高频分量，这类信息在异配图中起决定性作用。

异配图性能显著提升

在节点分类任务上，NGAT 和 HLGAT 相对现有方法提供了显著的性能改进。

应用场景

• 图神经网络：提供一种新的图卷积层设计，可嵌入现有 GNN 架构以提升异配图性能。
• 异配图学习：直接针对异配图设计，通过负注意力捕获高频信息，解决了传统 GNN 在此类图上的失效问题。
• 节点分类：在节点分类任务上达到更高精度，可作为异配图上更优的基线模型。
• 图表示学习：通过分离低频和高频特征通道并可学习融合，学习更丰富的节点表示。