code:https://github.com/afofanah/EATSA-GNN.
文章目录
- Abstract
- 1. Introduction
- 1.1.动态图场景
- 1.2.EATSA-GNN框架的背景化
- 2. Background
- 2.1.GNN边缘感知挑战
- 2.2.GNN的可解释性问题
- 2.3.EATSA-GNN可解释性
- 3. Related works
Abstract
图神经网络（GNNs）从根本上改变了我们处理和分析源于非欧几里得领域的数据的方式。传统的用于处理不平衡节点分类问题的方法，如重采样，效果不佳，因为它们没有考虑到边所蕴含的底层网络结构。目前可用的用于捕捉图边中复杂关系的方法有限，这给图神经网络（GNNs）准确分类节点带来了重大挑战。我们提出了EATSA-GNN模型，利用边缘感知和两阶段注意力机制（EATSA-GNN）来提升GNN的节点分类能力。EATSA-GNN最初将注意力集中在边的特征上，使模型能够区分不同节点间连接的不同重要性，这被称为教师注意力（Teacher-Attention，TA）。在第二步中，注意力转向节点，结合从边层面分析中获得的知识，这被称为学生注意力（Student-Attention，SA）。采用这种双重策略确保了对图结构更深入的理解，从而提高了分类精度。EATSA-GNN模型对GNN领域的贡献在于其能够
