Self-Attention Graph Pooling(SAGPool)是利用自注意力机制来区分应该删除的节点和应该保留的节点,基于图卷积计算注意力分数的自注意力机制,考虑了节点特征和图的拓扑结构。 SAGPool方法可以使用相对较少的参数以端到端方式学习层次表示,具有前几种方法的优点:分层池化,同时考虑节点特征和图的拓扑结构,合理的复杂度,以及...
3.1 Self-Attention Graph Pooling Self-attention mask 本文使用图卷积来获得自注意分数: Z = σ ( ˜D − 1 2 ˜A ˜D − 1 2 X Θatt ) ( 3 ) 其中: 自注意得分Z∈RN×1; 邻接矩阵˜A∈RN×N; 注意力参数矩阵Θatt∈RF×1; ...
由此我们提出了一种 SAGPool模型,是一种 Self-Attention Graph Pooling method,我们的方法可以用一种End2End的方式学习结构层次信息,Self-attention结构可以区分哪些节点应该丢弃,哪些应该保留。因为Self-attention结构使用了Graph convolution来计算attention分数,Node features以及Graph topology都被考虑进去,简而言之,SAGPool...
论文地址 本文介绍的论文是《Self-Attention Graph Pooling》。 该篇文章提出了一种新的图池化方式,该池化方式是基于自注意力机制来计算得分,同时考虑了节点特征和图的拓扑结构,能够实现端到端方式学习图的层次表示。 🍁一、背景 近几年图神经网络已被广泛应用于各个领域,并且表现出了很好的性能,...
而为了继续提高Graph pooling,我们通过SAGPool使用拓扑结构和特征来更简单的学习层级表示。 二.模型 SAGPool的核心在于使用GNN计算self-attention,SAGPool层如下图: An illustration of the SAGPool layer. Self-attention mask 具体使用图卷积计算self-attention值,以Semi-Supervised Classification with Graph Convolutional ...
ICML2019 Self-Attention Graph Pooling & Ji的方法[link]解决了复杂度的问题,但是没有考虑图的拓扑结构。 由此我们提出了一种SAGPool模型,是一种Self-AttentionGraphPoolingmethod,我们的方法可以用一种End2End的方式学习结构层次信息,Self-attention结构可以区分哪些节点应该丢弃,哪些应该保留。因为Self-attention结构使用...
Self-attention using graph convolution allows our pooling method to consider both node features and graph topology. To ensure a fair comparison, the same training procedures and model architectures were used for the existing pooling methods and our method. The experimental results demonstrate that our...
SAGPool - Self-Attention Graph Pooling 图分类 图池化方法 ICML 2019,程序员大本营,技术文章内容聚合第一站。
Recently, Graph Convolutional neural Networks (GCNs) have attracted much attention by generalizing convolutional neural networks to graph data, which includes redefining convolution and pooling operations on graphs. Due to the limitation that graph data can only focus on dyadic relations, it cann...
《Self-Attention Graph Pooling》阅读笔记 《Self-Attention Graph Pooling》阅读笔记 前言 一、模型 1.自注意图池化 1).自注意力掩膜 2).图池化 3).SAGPool的变体 1.多跳形式 2.堆叠形式 3.多头形式 2.具体结构 1).卷积层 2).读出层 3).全局池化模型 4).层次池化模型 二、实验 1.数据集 2.对比试验...