【论文标题】Hierarchical Graph Capsule Network 【作者团队】Jinyu Yang, Peilin Zhao, Yu Rong, Chaochao Yan, Chunyuan Li, Hehuan Ma, Junzhou Huang 【发表时间】2020/12/16 【论文链接】https://arxiv.org/abs/2012.08734

【推荐理由】 本文发表于AAAI 2021，作者提出了可以共同学习节点嵌入并提取图层次结构的层次图胶囊网络HGCN，解决了GNN在捕获分层图形表示方面的能力有限的问题。 图神经网络（GNN）从显式建模结构化数据的拓扑信息中汲取了力量。但是，现有的GNN在捕获分层图形表示方面的能力有限，这在图形分类中起着重要作用。 在本文中，我们创新性地提出了可以共同学习节点嵌入并提取图层次结构的层次图胶囊网络（HGCN）。 具体来说，通过识别每个节点下面的异类因素来建立解缠结的图形胶囊，以使它们的实例化参数表示同一实体的不同属性。 为了学习分层表示，HGCN通过明确考虑零件之间的结构信息来表征下级胶囊（零件）和高级胶囊（整体）之间的零件-整体关系。 实验研究证明了HGCN的有效性以及每个成分的贡献。

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