13.Hierarchical Graph Representation Learning with Differentiable Pooling

可微分池化的層級圖形表徵學習 摘要 最近，圖神經網絡（GNNs）經過有效學習的節點嵌入，改變了圖形表徵學習的領域，在節點分類和鏈接預測等任務中表現了不錯的效果。然而，現有的 GNN 方法本質上是平面化的，所以沒法學習圖形的層級表徵——這對於圖形分類任務而言尤爲成問題，由於圖形分類任務的目的是預測與整個圖像相關的標籤。在這裏，咱們提出了DIFFPOOL，一個可微分的圖形池化模塊，能夠生成圖形的層級表

>>阅读原文<<