基于重要性池化的层级图表示学习方法.docx

近年来，随着机器学习技术的不断发展，特别是卷积神经网络(convolutional neural network，简称CNN)的优秀表现，研究人员开始将卷积操作扩展到图数据，希望利用卷积操作强大的特征提取能力给图任务带来更有效的解决方法。但传统图神经网络在大规模图分类任务上存在训练过程中噪声信息过多以及对于图的层级表征信息挖掘不完整等问题。因此，基于图的神经网络算法亟待进一步的研究。 图神经网络(graph neural network，简称GNN)这一概念是由Gori等[1]首次提出，作为循环神经网络的一种泛化形式而引入。Bruna等[2]提出的图卷积神经网络(graph convoluti