09:37arXiv cs.AI@Takuto Takahashi, Itsuki Nakayama, Takahiro Mitani, Ryosuke Kikuchi, Yuya Sasaki, Makoto Onizuka图神经网络在同配图上表现优异,但在异配图(不同类节点更易相连)上性能受限。现有GNN无法捕捉异配图中常见的高阶类标签连通性。研究者提出标签上下文分类器(LCC),通过四种随机游走生成标签上下文嵌入,捕获高阶标签连通性。LCC可与任意GNN集成,并自适应学习其重要性。实验表明,集成LCC的GNN在异配有向图上超越现有方法。论文图神经网络异配图节点分类高阶标签连通性随机游走推荐理由:异配图分类是GNN的长期痛点,LCC用高阶标签连通性解决了这个问题,做图分析或社交网络研究的开发者可以直接参考实验方法。原文