论文地址：https://openreview.net/pdf?id=XLxhEjKNbXj

代码地址：https:// github.com/Xi-yuanWang/GLASS

今天给大家介绍北京大学人工智能研究院张牧涵团队发布在ICLR上的文章，《GLASS: GNN with labels tricks for subgraph representation learning》。针对子图级的属性预测，作者发现子图表示学习的关键可能是区分子图内部和外部的节点。由此，本文提出了一种富有表现力和可扩展的标签技巧，即max-zero-one，以增强子图任务的普通GNN，并使得以此创建的 GLASS（带有用于子图的标签技巧的 GNN）模型更具表现力、可扩展性、易于实现。

内容中包含的图片若涉及版权问题，请及时与我们联系删除