亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Predict then Propagate: Graph Neural Networks meet Personalized PageRank

页面排名 计算机科学 图形 人工神经网络 节点(物理) 机器学习 卷积神经网络 消息传递 方案(数学) 人工智能 构造(python库) 简单(哲学) 理论计算机科学 数据挖掘 数学 分布式计算 数学分析 哲学 工程类 程序设计语言 认识论 结构工程
作者
Johannes Gasteiger,Aleksandar Bojchevski,Stephan Günnemann
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:428
标识
DOI:10.48550/arxiv.1810.05997
摘要

Neural message passing algorithms for semi-supervised classification on graphs have recently achieved great success. However, for classifying a node these methods only consider nodes that are a few propagation steps away and the size of this utilized neighborhood is hard to extend. In this paper, we use the relationship between graph convolutional networks (GCN) and PageRank to derive an improved propagation scheme based on personalized PageRank. We utilize this propagation procedure to construct a simple model, personalized propagation of neural predictions (PPNP), and its fast approximation, APPNP. Our model's training time is on par or faster and its number of parameters on par or lower than previous models. It leverages a large, adjustable neighborhood for classification and can be easily combined with any neural network. We show that this model outperforms several recently proposed methods for semi-supervised classification in the most thorough study done so far for GCN-like models. Our implementation is available online.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
先生先生你怎么了完成签到,获得积分10
4秒前
复杂曼荷完成签到,获得积分10
14秒前
木十四完成签到 ,获得积分10
21秒前
urologywang完成签到 ,获得积分10
29秒前
老年学术废物完成签到 ,获得积分10
34秒前
动人的又菡完成签到,获得积分10
34秒前
arniu2008的应助被科研通管家采纳,获得50
37秒前
汉堡包的应助被科研通管家采纳,获得10
37秒前
morena的应助被科研通管家采纳,获得10
37秒前
QXY8P完成签到,获得积分10
37秒前
38秒前
CipherSage的应助被米豆采纳,获得10
41秒前
pp完成签到 ,获得积分10
50秒前
51秒前
缓慢不正完成签到,获得积分10
52秒前
53秒前
pp关注了科研通微信公众号
54秒前
star完成签到 ,获得积分10
55秒前
zhp发布了新的文献求助10
57秒前
59秒前
陌陌完成签到 ,获得积分10
59秒前
Q.curiosity完成签到,获得积分10
1分钟前
可靠的公爵熊完成签到,获得积分10
1分钟前
cc发布了新的文献求助10
1分钟前
时尚的飞阳完成签到,获得积分10
1分钟前
煊陌完成签到 ,获得积分10
1分钟前
1分钟前
bkagyin的应助被千秋采纳,获得10
1分钟前
haralee完成签到 ,获得积分0
1分钟前
1分钟前
1分钟前
1分钟前
1分钟前
fff发布了新的文献求助10
1分钟前
Caboda发布了新的文献求助10
1分钟前
白rain发布了新的文献求助10
1分钟前
米豆发布了新的文献求助10
1分钟前
千秋发布了新的文献求助10
1分钟前
菜鸟果果完成签到 ,获得积分10
1分钟前
缥缈的鸡翅完成签到,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8184980
求助须知:如何正确求助?哪些是违规求助? 9573917
关于积分的说明 21833751
捐赠科研通 7782440
什么是DOI,文献DOI怎么找? 3434429
关于科研通互助平台的介绍 2558672
邀请新用户注册赠送积分活动 2481161