PyTorch中用于图卷积网络的可学习聚合器 PyTorch中用于图卷积网络的可学习聚合器的实现。 通过引入共享的辅助模型为GCN(LA-GCN)提供可学习的聚合器,该模型在邻域聚合中提供了自定义架构。 在此框架下,提出了一种称为LA-GCN(Mask)的新模型,其中包括一个新的聚合函数,即掩码聚合器。 辅助模型为给定节点的每个邻居学习一个特定的掩码,从而可以同时注意节点级别和功能级别。 该机制将学习为预测的节点和特征分配不同的重要性,从而为预测提供可解释的解释并提高模型的鲁棒性。 张力,吕海萍, ://dl.acm.org/doi/abs/10.1145/3340531.3411983(CIKM 2020) 对于官方实施 要求 PyTorch 0.4或0.5 Python 2.7或3.6 训练 python train.py 参考 [1] [2]