基于多通道的边学习图卷积网络

通常图的边包含了图的重要信息,然而目前大多数用于图学习的深度学习模型(如图卷积网络(graph convolutional network,GCN)和图注意力网络(graph attention network,GAT))没有充分利用多维边特征的特性;另一个问题是图中可能存在噪声,影响图学习的性能.使用多层感知机对图数据进行去噪优化处理,在GCN的基础上引入了多通道学习边特征的方法,对图的多维边属性进行编码,按原始图所包含的属性分别建模为多通道,每个通道对应一种边特征属性对图节点进行约束训练,可以让算法更合理地学习图中多维边特征,在Cora、Tox21、Freesolv等数据集上的实验证明了去噪方法与多通道方法的有效性.