张量化的超图神经网络
摘要：张量化超图神经网络（THNN）是一种新颖的基于邻接张量的超图建模框架，通过高阶外积特征消息传递，是邻接矩阵图神经网络的自然张量扩展。提出的THNN等同于高阶多项式回归方案，使得THNN能够有效地从均匀超图中提取高阶信息。为了降低模型复杂性，我们提出使用部分对称CP分解方法，将直接处理高阶外积特征的指数复杂度降低为线性度。此外，我们提出了两种简单而有效的方法扩展我们的方法，适用于在现实世界应用中常见的非均匀超图。在用于3D视觉对象分类的两个广泛使用的超图数据集上的实验结果显示了所提出的THNN的有 promising 的性能。
作者：Maolin Wang, Yaoming Zhen, Yu Pan, Zenglin Xu, Ruocheng Guo, Xiangyu Zhao
论文ID：2306.02560
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-06