2023年2月1日 · In this work, we propose a network centrality based approach combined with Graph Convolution Networks (GCNs) to predict the connections between network nodes. We propose an idea to select training...

2023年1月7日 · This novel training technique is used to analyze the performance of GCN and GAT models on five benchmark networks—Cora, Citeseer, PubMed, Wiki-CS, and Amazon Computers. In GAT implementations, we obtain improved classification accuracy compared to the other state-of-the-art GCN-based methods.

In this work, we propose a network centrality based approach combined with Graph Convolution Networks (GCNs) to predict the connections between network nodes. We propose an idea to select training nodes for the model based on high edge betweenness centrality, which improves the prediction accuracy of the model.

从这一直觉出发，本文提出BertGCN，将预训练模型BERT与图网络GCN（GAT）相结合用于Transductive文本分类。 首先BertGCN构建了数据之上的异质图，图中的文档结点用预训练的BERT初始化；之后再联合训练BERT与GCN，充分融合二者处理数据、提取特征的能力，训练过程采用 预测插值 、 记忆存储 、 小学习率 等技术；最后，使用GCN进行文本分类。 实验表明，该方法成功结合了二者的优势，在5个文本分类的benchmark上取得显著效果提升，实现当前的 …

【Geom-GCN】现有的MPNNs方法具有两个基本弱点：①丢失邻域节点的结构信息；②缺乏捕获非同配性图的长距离依赖的能力。 本文从经典神经 网络 和 网络 几何学的观察出发，提出了一种新的几何聚合方案，该方案利用图背后的连续空间进行聚合，以克服上述弱点。

In this study, we propose a network centrality-based approach combined with Graph Convolution Networks (GCNs) to predict connections between network nodes. Our model achieves high prediction accuracies of 95.08%, 95.07%, and 95.3% …

GCN 主要是将卷积操作应用到图结构上，如下图所示，GCN 输入的 chanel 为 C(即节点 Xi 特征向量的维度)， GCN 输出的 chanel 为 F，即每个节点 (Zi) 的特征向量维度为 F，最后用节点的特征对节点进行分类预测等：

在融合Bert与GCN训练这部分，文中指出，将Bert encoder部分得到embedding后丢进GCN里，直接联合训练，会有两个问题出现，1. 梯度回传时，Bert部分得不到有效的梯度优化。

2021年11月3日 · BERT4GCN利用BERT中间层的输出和单词之间的位置信息来增强GCN，以更好地编码依赖图进行下游分类。 实验结果表明，本文提出的BERT4GCN优于所有最先进的baselines，证明了用BERT的中间层语法特征增强GCN可以显著增强ABSC模型。 1. GCN层. 在介绍BERT4GCN的设计之前，让我们看看以前的一些其他GCN是怎么做的。 ASGCN [1] （EMNLP2019）这是本文使用的一个baseline——ASGCN，这篇论文对图卷积层作了很好的 …

2021年2月24日 · In this paper, we benchmark several existing graph neural network (GNN) models on different datasets for link predictions. In particular, the graph convolutional network (GCN), GraphSAGE, graph...