信电学院贾璐副教授课题组在图神经网络领域取得新进展

发布日期:2024-06-17 浏览次数: 信息来源:科技成果部

近日,我校信电学院引进优秀人才贾璐副教授在国际人工智能联合会议(International Joint Conference on Artificial Intelligence, IJCAI 2024)、知识系统 (Knowledge-based Systems)上先后发表图神经网络领域研究论文:(1) 图神经网络核聚合方法研究 (Kernel Readout for Graph Neural Networks, IJCAI)、(2) 多级标签图自适应学习方法研究 (MLGAL: Multi-level Label Graph Adaptive Learning for node clustering in the attributed graph, KBS)、(3) 度感知异质图神经网络研究 (DAHGN: Degree-Aware Heterogeneous Graph Neural Network, KBS)。IJCAI和Knowledge-based Systems分别是人工智能领域的国际顶级学术会议和国际权威期刊。

上述论文开展了三方面的原创性研究,按顺序详述如下:(1) 针对当前图任务中传统readout函数表示性不足、不满足置换不变性等问题,提出了基于Kernel的、更具表达性的readout函数KerRead,试验结果表明其表现性能优于当前领域前沿的基线模型。(2) 设计了MLGAL节点聚类框架,通过基于二元的多级别伪标签进行自适应学习,从而让聚类的结果参与到表征学习的过程中以提高节点聚类的性能,试验结果表明其表现性能优于共计25个代表当前领域前沿的基线模型。(3) 针对度偏差问题,提出了一种基于度感知的异质图神经网络模型 (DAHGN),该模型利用两个对比视图来增强节点表示,包括用于捕捉复杂关系的异质视图,以及通过图增强方法获取的同质视图。试验结果表明DAHGN性能显著优于当前领域前沿方法。

图片1.png

图1 KerRead模型架构图

图片2.png

图2 MLGAL模型架构图

图片3.png

图3 DAHGN模型架构图

以上研究工作的第一完成单位均为中国农业大学。信电学院贾璐副教授为论文的通信作者,2020级博士研究生赵明霞、2021级硕士研究生余家骏分别为论文的第一作者。

论文链接:

https://www.researchgate.net/publication/381227569

https://www.sciencedirect.com/science/article/pii/S0950705123011036

https://www.sciencedirect.com/science/article/pii/S0950705123006263

供稿:信息与电气工程学院

供图:信息与电气工程学院

编辑:李杨

责编:马文哲