UGSL：用于图结构学习基准测试的统一框架
摘要：图神经网络在广泛的应用中展现出出色的性能。虽然大多数图神经网络应用假设已有图结构，但最近的一些方法通过显示即使在没有显式提供图结构的情况下，它们可能仍然有效，从而大大扩展了图神经网络的适用性。图神经网络参数和图结构是联合学习的。以往的研究采用不同的实验设定，使得很难比较它们的优劣。在本文中，我们提出了一种使用统一框架进行图结构学习的基准评估策略。我们的框架称为统一图结构学习（UGSL），将现有模型重新构建成一个单一模型。我们在我们的框架中实现了各种现有模型，并对框架中不同组件的有效性进行了广泛分析。我们的结果清楚而简洁地了解了该领域中不同方法及其优势和劣势。基准代码可在https://github.com/google-research/google-research/tree/master/ugsl上找到。
作者：Bahare Fatemi, Sami Abu-El-Haija, Anton Tsitsulin, Mehran Kazemi, Dustin Zelle, Neslihan Bulut, Jonathan Halcrow, Bryan Perozzi
论文ID：2308.10737
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-22