今天给大家介绍发表在AAAI-2022上的来自北京大学和微软亚洲研究院的Tianmeng Yang团队的一篇论文——Graph Pointer Neural Networks

论文链接：https://arxiv.org/abs/2110.00973

在这项工作中，作者专注于异质图的节点表示学习，并提出了一种新的GNN框架，称为图指针神经网络（GPNN）。由于异质图中的大多数连通节点都具有不同的特征或属于不同的类别，作者在GNN体系结构中加入一个图指针生成器，它可以将关键信息与远程节点区分开来，并选择性地执行非局部聚合。实验证明了GPNN相比于最先进的GNN模型的优越性。此外，作者还进行了大量的分析，以显示GPNN在过滤无关节点和缓解过光滑现象方面的优势。

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