? 优质资源分享 ?
学习路线指引(点击解锁) | 知识定位 | 人群定位 |
---|---|---|
? Python实战微信订餐小程序 ? | 进阶级 | 本课程是python flask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。 |
?Python量化交易实战? | 入门级 | 手把手带你打造一个易扩展、更安全、效率更高的量化交易系统 |
论文信息
论文标题:MGAE: Masked Autoencoders for Self-Supervised Learning on Graphs论文作者:Qiaoyu Tan, Ninghao Liu, Xiao Huang, Rui Chen, Soo-Hyun Choi, Xia Hu论文来源:2022, ArXiv论文地址:download 论文代码:download
1 Introduction
MAE 在图上的应用。
2 Method
整体框架:
2.1 Encoder
本文的掩藏目标是随机掩藏一部分(30%)边,然后考虑 GCN、GraphSage 作为主干网络提取特征信息,对于被掩藏的边将通过 Decoder 训练得到。
掩藏策略:
-
- Undirected masking:将图看成无向图,删除 (u,v)(u,v)(u,v) 之间的边,对应于 AAA 中的两条边;
- Directed masking:将图看成有向图,删除 (u,v)(u,v)(u,v) 之间的边,对应于 AAA 中的一条有向边;
注意:上述两种策略边掩藏率是设置一样的。
2.2 Cross-correlation decoder
由于Encoder 采用的是基于消息传递机制的 Encoder,所以最终只得到被保留部分的节点潜在嵌入。
Encoder KKK 层传播结构共生成的保留节点嵌入矩阵 {H(1),H(2),⋯,H(K)}{H(1),H(2),⋯,H(K)}\left{\mathbf{H}^{(1)}, \mathbf{H}^{(2)}, \cdots, \mathbf{H}^{(K)}\right},对于存在的保留节点进行 cross-correlations 操作,即
hev,u=∥Kk,j=1h(k)v⊙h(j)uhev,u=‖k,j=1Khv(k)⊙hu(j)\mathbf{h}_{e_{v, u}}=|_{k, j=1}^{K} \mathbf{h}_{v}^{(k)} \odot \mathbf{h}_{u}^{(j)}
其中:
-
- ∥‖| 表示连接;
- ⊙⊙\odot 表示元素乘法;
- hev,u∈RdK2hev,u∈RdK2\mathbf{h}_{e_{v, u}} \in \mathbb{R}^{d K^{2}} 表示节点 vvv 和节点 uuu 之间的交叉表示,分别考虑它们的 kkk 阶邻域和 jjj 阶邻域;
为避免过于复杂,通常 K=2K=2K=2。
假设剩余的节点有 mmm 个,那么输入到对应的 MLP Decoder 的将有 m(m−1)m(m−1)m(m-1) (无向图)个特征向量,最终预测 (u,v)(u,v)(u,v) 直接边存在的概率通过下式生成:
yv,u=MLP(h(K)v,h(K)u)yv,u=MLP(hv(K),hu(K))y_{v, u}=\operatorname{MLP}\left(\mathbf{h}_{v}^{(K)}, \mathbf{h}_{u}^{(K)}\right)
2.3 Reconstruction target
MGAE解码器,只重建掩码的边,目标函数如下:
L=−∑(v,u)∈Emask logexp(yvu)∑z∈Vexp(yvz)L=−∑(v,u)∈Emask logexp(yvu)∑z∈Vexp(yvz)\mathcal{L}=-\sum\limits _{(v, u) \in \mathcal{E}_{\text {mask }}} \log \frac{\exp \left(\mathbf{y}_{v u}\right)}{\sum_{z \in \mathcal{V}} \exp \left(\mathbf{y}_{v z}\right)}
为加速训练,本文采用负采样策略。
2.4 Algorithm
整体算法如下:
3 Experiments
数据集
Link prediction
Node classifification
4 Conclusion
图上边掩码AE。
修改历史
2022-06-17 创建文章
-
- 1 Introduction
- 2 Method
- 2.1 Encoder
- 2.2 Cross-correlation decoder
- 2.3 Reconstruction target
- 2.4 Algorithm
- 3 Experiments
- 4 Conclusion
- 修改历史
__EOF__
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-862nLl5v-1655527196564)(https://blog.csdn.net/BlairGrowing)]Blair - 本文链接: https://blog.csdn.net/BlairGrowing/p/16386259.html
转载请注明:xuhss » 论文解读(MGAE)《MGAE: Masked Autoencoders for Self-Supervised Learning on Graphs》