PREDICT THEN PROPAGATE: GRAPH NEURAL NETWORKS MEET PERSONALIZED PAGERANK

Motivation 傳統GCN在節點分類中達到了不錯的效果,但只能在將層數限制在2-3層,加深層數會導致兩個問題: (1)、出現過平滑現象:即最後所有節點趨向同一個值。 (2)、隨着層數的加深,參數量也呈指數級增長。 但是試驗表明,一般要將層數達到4-5層才能使才能覆蓋所有的節點。 爲了解決這個問題,引進了PageRank方法。 問題一 由於PageRand方法可能陷入「陷阱問題」和「終止問題」
相關文章
相關標籤/搜索