直播 | WWW 2021论文解读：论解耦图卷积网络和标签传播的等价性

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到中国科学技术大学硕士生董汉德，为大家在线解读其发表于 WWW 2021 的最新工作：On the Equivalence of Decoupled Graph Convolution Network and Label Propagation。对本期主题感兴趣的小伙伴，5 月 13 日（周四）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

解耦图神经网络（decoupled GCN）正在成为图神经网络主流的设计范式，其将特征变换和邻居聚合分离开来，克服了原始图神经网络的诸多问题，取得了更好的效果。

从梯度的角度可以证明，解耦图卷积网络等价于两步的标签传播（Label Propagation, LP）：1）根据图结构传播已知的标签，为有标签节点的邻居打上标签；2）利用增强的伪标签数据训练一个正常的神经网络分类器。

基于理论分析，解耦图卷积网络有两个缺点：1）对标签噪声敏感；2）对初始值敏感。自适应地传播再训练（PTA）通过两个简单而有效设计解决了上述缺点，取得了更好的效果。

论文标题：

On the Equivalence of Decoupled Graph Convolution Network and Label Propagation

论文链接：

https://arxiv.org/abs/2010.12408

代码链接：

https://github.com/DongHande/PT_propagation_then_training

本次分享的具体内容有：

背景介绍（问题定义、从图卷积网络到解耦图卷积网络的发展、基于图的信息传播算法）
证明解耦图卷积网络等价于标签传播
我们方法（自适应地传播再训练）的介绍
实验验证

嘉宾介绍

董汉德 / 中国科学技术大学硕士生

董汉德，2019 年在中国科学技术大学获得学士学位，目前在中国科学技术大学攻读硕士学位，导师是何向南教授。董汉德的研究兴趣包括机器学习与数据挖掘，特别专注于图神经网络和推荐系统的研究。目前已经在 WWW、SIGIR 等顶会发表论文。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

直播 | WWW 2021论文解读：论解耦图卷积网络和标签传播的等价性相关推荐

【论文解读】基于图卷积的价格感知推荐
Paper:Price-aware Recommendation with Graph Convolutional Networks Link:https://arxiv.org/pdf/2003.0 ...
论文浅尝 | 基于图卷积网络的跨语言图谱实体对齐
论文笔记整理:谭亦鸣,东南大学博士生,研究兴趣:知识图谱问答本文提出了一种基于图卷积网络的跨语言实体对齐方法,通过设计一种属性 embedding 用于 GCN 的训练,发现GCN能同时学习到特征 ...
解读：CVPR1903_图卷积网络GCN无监督人脸聚类
Linkage Based Face Clustering via Graph Convolution Network https://arxiv.org/pdf/1903.11306.pdf 1简述 ...
图卷积网络-多标签分类
首先理解一些以下: 1. 二分类:每一张图像输出一个类别信息2. 多类别分类:每一张图像输出一个类别信息3. 多输出分类:每一张图像输出固定个类别的信息4. 多标签分类:每一张图像输出类别的个数不固定 ...
今晚直播 | NeurIPS 2021论文解读：基于置信度校正的可信图神经网络
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
直播 | ICML 2021论文解读：具有局部和全局结构的自监督图表征学习
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
直播 | KDD 2021论文解读：基于协同对比学习的自监督异质图神经网络
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
直播 | CVPR 2021论文解读：引入因果结构的解耦表征学习
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
直播 | ACL 2021论文解读：基于对抗学习的事件抽取预训练模型
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...

直播 | WWW 2021论文解读：论解耦图卷积网络和标签传播的等价性

直播 | WWW 2021论文解读：论解耦图卷积网络和标签传播的等价性相关推荐

最新文章

热门文章