CS224W图机器学习笔记自用：GNN Augmentation and Training

Recap：

today’s outline：

• （4）Graph augmentation
• （5）Learning objective

1. GNN 的图增强（Graph Augmentation for GNNs）

两种图增强的方法：

• 图特征增强
• 图结构增强
  

1.1 为什么要增强图

需要增强图的原因：

• 特征（Features）
  • 输入图缺乏特征
• 图结构（Graph structure）
  • 图太稀疏 -> 消息传递效率低下
  • 图太密集 -> 消息传递成本太高
  • 图太大 -> 无法将计算图存入GPU中

综上所述，输入图不是嵌入的最佳计算图 。

1.2 图增强的方法

• 图特征增强
  • 输入图缺乏特征 -> 特征增强
• 图结构增强
  • 图太稀疏 -> 添加虚拟节点或边
  • 图太密集 -> 消息传递时只采样部分邻居节点进行传递
  • 图太大 -> 计算嵌入时对子图进行采样

1.2.1 图特征增强

为什么我们需要特征增强？

• 第一种情况：

  • 输入图没有节点特征，我们只有这个图的邻接矩阵，此时需要进行图特征增强。

• 解决方法：

  • a）为节点分配常数特征

  • b）为节点分配唯一的ID，这些ID值可以被转换为独热向量
    两种方法的比较：Constant vs. one-hot
    
    第二种方法比第一种方法表达能力更强；第一种方法归纳能力更强，能够很容易地推广到新节点，第二种方法则不行；同时第一种方法的计算开销也更小；第一种方法适用于任意图，同时具有归约能力，能推广到新节点，第二种方法适用于小图，只适用于transductive setting，不适合inductive setting。

• 第二种情况：

  • GNN 很难学习某些特殊结构
  • 例如：环节点数特征（Cycle count feature）
    • GNN无法学习$v_1$所在环的长度，也无法区分$v_1$所在的是哪个图形
    • 因为这两张图中的所有节点度数都为2
    • 其计算图也是完全相同的二叉树

• 解决方法：我们可以使用循环计数作为增强的节点特征
  

其他常用的增强特征有：

1. 节点度数
2. 聚类系数（Clustering coefficient）
3. PageRank
4. Centrality
   我们在第二节所提到的节点特征都可以使用。

1.2.2 图结构增强

1. 针对图稀疏：添加虚拟节点或边

   1. 添加虚拟边
      常用方法：通过虚拟边连接 2 跳邻居
      想法：用$A+A^2$代替邻接矩阵$A$进行GNN的计算
      例子：二部图
      • Author-to-papers (他们撰写的)
      • 2 跳虚拟边构成作者-作者协作图
   2. 添加虚拟节点：虚拟节点将连接到图中的所有节点
      • 假设在一个稀疏图中，两个节点的最短路径距离为 10
      • 添加虚拟节点后，所有节点的距离为 2
        • Node A - Virtual node - Node B
      • 好处：大大提高了稀疏图中的消息传递

2. 针对图密集的问题：节点邻域采样

   思想：在之前的设计中，所有节点参与消息传递，现在，我们**（随机）对节点的邻域进行采样以进行消息传递**，以解决图密集的问题。
   例子：例如，我们可以随机选择 2 个邻居在给定层中传递消息
   在下一层，当我们计算嵌入时，我们可以采样不同的邻居（对于类似于社交网络的图，也可以仅采样一些重要的节点，不必采样那些不重要的节点）
   
   

   最后在预期中，我们得到类似于使用所有邻居的情况的嵌入。
   这种方法的好处：可以大大降低计算成本，并且允许scaling to 大图，在实践中的效果也很好。

2. Training with GNNs

Learning so far：

2.1 Prediction head：如何从节点嵌入到实际预测

**预测头（prediction head）**有以下几种类型：

• 节点级任务
• 边级别任务
• 图级别任务

不同的任务级别需要不同的预测头

2.1.1 节点级预测头

1. 节点级预测：我们可以直接使用节点嵌入进行预测

• 在 GNN 计算之后，我们有d维的节点嵌入$\{h_v^{(L)}\in R^d,\forall v\in G\}$
• 假设我们要进行一个k类别的预测
  • 分类问题：在k个类别中分类
  • 回归问题：回归k个目标
• ${\hat{y}}_v=Hea{d}_{node}(h_v^{(L)})=W^{(H)}{h}_v^{(L)}$
  • $W^{(H)}\in R^{k\times d}$： 我们映射节点嵌入从$h_v^{(L)}\in R^d$到${\hat{y}}_v\in R^k$，这样我们就可以计算损失

2.1.2 边级别预测头

2. 边级别预测：使用节点嵌入对进行预测

• 假设我们要进行一个k类别的预测
• ${\hat{y}}_{uv}=Hea{d}_{edge}(h_u^{(L)},h_v^{(L)})$
  
• $Hea{d}_{node}(h_v^{(L)})=W^{(H)}{h}_v^{(L)}$有多种选择
  • (1) 串联 + 线性
    • 在图注意力网络也有类似的架构
    • ${\hat{y}}_{uv}=Linear(Concat(h_u^{(L)},h_v^{(L)}))$
    • 这里线性映射函数Linear(.)会把2d维的嵌入向量映射到k维（k个类别）的嵌入中
  • （2）点积
    • ${\hat{y}}_{uv}=(h_u^{(L)}{)}^T{h}_v^{(L)}$
    • 这种方法仅适用于 1-way 预测（例如，链接预测：预测边缘的存在）
    • 应用到 k-way 预测上，类似于多头注意力机制，$W^{(1)}，...,W^{(k)}$是可训练的参数

2.1.3 图级别预测头

3. 图级别预测：使用图中的所有节点嵌入进行预测

• 假设我们要进行一个k类别的预测
• ${\hat{y}}_G=Hea{d}_{graph}(\{h_v^{(L)}\in R^d,\forall v\in G\}$
• $Hea{d}_{graph}(\cdot )$类似于 GNN 层中的聚合函数$AGG(\cdot )$
• $Hea{d}_{graph}(\{h_v^{(L)}\in R^d,\forall v\in G\}$有多种选择：
  • 全局平均池化层：与节点数无关，mean pooling可用于比较大小相差很大的图形
    • ${\hat{y}}_G=Mean(\{h_v^{(L)}\in R^d,\forall v\in G\})$
  • 全局最大池化层
    • ${\hat{y}}_G=Max(\{h_v^{(L)}\in R^d,\forall v\in G\})$
  • 全局求和池化层：max pooling可以发现图中的节点数和图的结构
    • ${\hat{y}}_G=Sum(\{h_v^{(L)}\in R^d,\forall v\in G\})$
• 全局池化层的问题：以上选项的全局池化层都只适用于小规模的图形，在大图上应用全局池化层会有信息丢失的问题，例如
• 解决方法：分层全局池化（分层聚合所有节点嵌入）
  • example：先聚合前两个节点，在聚合后两个节点
    现在，我们就能区分图1和图2。

那我们如何分层呢？

• DiffPool:
  • 分层池化节点嵌入：利用图的社区结构，如果我们可以提前发现这些社区，那么我们就可以把每个社区当作一层，聚合社区内的节点信息，接着我们可以进一步将社区嵌入汇总到超级社区嵌入。如下图，输入图用社区检测或图分区算法分成了5个簇，这里用不同颜色表示，接着我们再汇总社区内的信息为每个社区生成一个超级节点，之后我们根据社区之间的联系再进行分簇，聚合，得到另一个超节点并不断聚合直到得到一个超级节点为止，然后就可以将其输入到预测头中：
  • Ying 等人（2018）提出的DiffPool在每个级别利用 2 个独立的 GNN
    • GNN A：计算节点嵌入
    • GNN B：进行图分区，判断节点所属的集群
  • 每个级别的 GNN A 和 B 可以并行执行
  • 对于每个池化层
    • 根据 GNN B 的聚类社区分配结果来聚合由 GNN A 生成的节点嵌入
    • 为每个集群创建一个新节点，维护集群之间的边以生成新的池化网络
  • 联合训练 GNN A 和 GNN B

2.2 Predictions and Labels

2.2.1 监督学习 VS. 无监督学习

1. 监督学习 VS. 无监督学习
   • 图上的监督学习：标签来自外部来源，例如，预测分子图的药物相似性
   • 图上的无监督学习：信号来自图本身，例如，链接预测：预测两个节点是否连接
   • 有时这些差异的界限是模糊的：我们在无监督学习中仍然有“监督”，例如，训练一个 GNN 来预测节点聚类系数，“无监督”也被称为“自我监督”
2. 图上的监督标签
   • 监督标签来自特定的用例，例如：
     • 节点标签$y_v$：在引文网络中，节点标签是节点属于哪个学科领域
     • 边的标签$y_{uv}$：在交易网络中，边的标签是边是否具有欺诈性
     • 图的标签$y_G$：分子图中，图标签是图的药物相似度
       -Advice：将您的任务减少到节点/边/图形标签，这样我们就能使用现有的框架。
3. 图上的非监督标签
   • Problem：有时我们只有一个图，没有任何外部标签
   • 解决方法：自我监督学习，我们可以在图中找到监督信号
   • 以下任务不需要任何外部标签：
     • 节点级别$y_v$：节点统计（如聚类系数、PageRank、…）或预测节点的属性
     • 边级别$y_{uv}$：**链接预测（**隐藏两个节点之间的边，预测是否应该有链接）
     • 图级别$y_G$：图统计（例如，预测两个图是否同构）

2.3 Loss Function

2.3.1 分类 VS. 回归

• 分类（Classification）：节点的标签$y^{(i)}$具有离散值
  • 例如，节点分类：节点属于哪个类别
• 回归（Regression）：节点的标签$y^{(i)}$具有连续值
  • 例如，预测分子图的药物相似性或毒性水平
• GNNs可以应用于这两类问题， 不同的在于损失函数和评估指标

2.3.2 分类问题损失函数

• 交叉熵 (cross entropy CE) 是分类中非常常见的损失函数
• 我们要预测第i个数据点的类别（一共有K类）
• 其它类型损失函数：$HingeLoss（铰链损失）$
  • 在"maximum-margin"的分类任务中，如支持向量机，表示预测输出，通常都是软结果（输出不是0，1这种，可能是0.87）， 表示正确的类别，我们用下式作为分类函数：
    $$HingeLoss=max(0,m-\hat{y}y)$$
  • 很多时候我们希望训练的是两个样本之间的相似关系，而非样本的整体分类，所以很多时候我们会用下面的公式：
    $$HingeLoss=max(0,m-y+\hat{y})$$
  • 其中，是y正样本的得分，是$\hat{y}$负样本的得分，m是margin，即我们希望正样本分数越高越好，负样本分数越低越好，但二者得分之差最多到m就足够了，差距增大并不会有任何奖励。

2.3.3 回归问题损失函数

• 对于回归任务，我们经常使用均方误差 (MSE) 也就是 L2 损失
• 数据点i的k-way回归

2.4 Evaluation metrics

在回归问题上，我们使用 GNN 的标准评估指标，在实践中我们通常使用sklearn程序包来实现，假设我们对 N 个数据点进行预测

2.4.1 回归问题分类指标

在图上评估回归任务，我们可以使用根均方差（RMSE） 和 平均绝对误差（MAE） 这两个指标来评价：

2.4.2 分类问题分类指标

在图上评估分类任务：

• (1) 多类分类
  • 只报告准确性
• （2）二类分类

  • 对分类阈值敏感的指标

    • Accuracy （准确率）
    • Precision（精确率） / Recall （召回率）
    • 如果预测的范围是 [0,1]，我们将使用 0.5 作为阈值

  • 与分类阈值无关的指标

    • ROC Curve：捕获 TPR 和 FPR 的权衡，因为二元分类器的分类阈值是变化的（虚线表示随机分类器的性能）
    • ROC AUC：RUC曲线下的面积（Area under the ROC Curve），是分类器将随机选择的正实例得分高于随机选择的负实例的概率

3. 数据集拆分（训练/验证/测试集）

3.1 常规拆分方案

1. 固定拆分：我们将一次性分割我们的数据集
   • 训练集：用于优化 GNN 参数
   • 验证集：用于调整超参数和各种常数及决策选择
   • 测试集：只用于评估模型的最终性能
     我们用训练集和验证集确定最终模型，然后将模型应用到测试集
2. 随机拆分：我们将数据集随机拆分为训练/验证/测试
   • 我们报告了不同随机种子的拆分方案平均性能

3.2 图的数据集拆分方案

• 拆分图和拆分一般的数据集不一样，会造成数据泄露的问题。
  • 在文档数据集或图像数据集中，我们拆分数据集时，假设数据点之间相互独立，这样很容易将其拆分成三个数据集，并且没有数据泄漏
  • 然而拆分图数据集是不一样的，图的问题在于节点之间相互连接，不是相互独立的，节点会从其他节点收集信息，这样会造成信息泄露的问题。
• 解决方案 1（Transductive setting）：只拆分节点标签，保持图的结构不变，整个输入图在所有数据集中都是可见的（即使用整个图计算嵌入）
  • 只拆分（节点）标签：
    • 在训练时，我们使用整个图计算嵌入，并使用节点 1 和 2 的标签进行训练
    • 在验证时，我们使用整个图计算嵌入，并评估节点 3 和 4 的标签
• 解决方案 2（Inductive setting）：删除拆分出的数据集之间连接的边
  • 现在我们有 3 个独立的图。节点 5 将不再影响我们对节点 1 的预测
  • 在训练时，我们使用节点 1&2 上的图计算嵌入，并使用节点 1&2 的标签进行训练
  • 在验证时，我们使用节点 3&4 上的图计算嵌入，并评估节点 3&4 的标签
• 两种方案的比较：Transductive / Inductive Settings
  • Transductive Settings: 训练/验证/测试集在同一张图上
    • 数据集由单个图组成
    • 可以在所有数据集拆分中观察到整个图，只拆分标签
    • 仅适用于节点/边预测任务
• Inductive Settings：训练/验证/测试集在不同的图表上
  • 数据集由多个图组成
  • 每个拆分只能观察拆分内的图，这使我们能够真正测试如何将其推广到看不见的图形，一个成功的模型应该泛化到看不见的图
  • 适用于节点/边/图任务

3.3 图的拆分示例

1. 节点分类
   
2. 图分类
   在图分类问题中，由于我们分类独立的图，因此归纳设置不需要删除边就能应用，我们可以方便地将其分为训练、验证和测试集。
   
3. 链接预测
   • 链接预测设置是图机器学习中最棘手的任务：它是一项无监督/自我监督的任务，我们需要自己创建标签和数据集拆分。
   • 具体来说，我们需要对 GNN 隐藏一些边，并让 GNN 预测这些边是否存在
   • 对于链接预测，我们将两次分割边
   • 第 1 步：在原始图中分配 2 种类型的边
     • 消息边：用于 GNN中的 消息传递
     • 监督边：用于计算目标
     • 第一步之后
       • 图中仅保留消息边，移除监督边
       • 监督边用作模型对边预测的监督，不会被输入 GNN
     • 第 2 步：将边拆分为训练/验证/测试
     • 选项 1：归纳链接预测拆分
       • 假设我们有一个包含 3 个图的数据集。每个归纳拆分将包含一个独立的图
       • 假设我们有一个包含 3 个图的数据集。每个归纳分裂将包含一个独立的图
       • 在训练或验证或测试集中，每个图将有 2 种类型的边：消息边 + 监督边（监督边不是 GNN 的输入）
     • 选项2：Transductive链路预测分割（默认选项）
       • 根据“转导”的定义，可以在所有数据集拆分中观察到整个图
       • 训练时：使用训练消息边预测训练监督边
       • 验证时：使用训练消息边和训练监督边预测验证边
       • 测试时：使用训练消息边、训练监督边和验证边 预测 测试边 - Transductive链路预测分割将图的边分为四类：训练消息边、训练监督边、验证边、测试边，链接预测设置既棘手又复杂，您可能会发现论文以不同的方式进行链接预测。幸运的是，我们完全支持 PyG 和 GraphGym来帮助我们进行链接预测。

4. Summary: GNN Training Pipeline

实现资源：

• DeepSNAP 为该管道提供核心模块
• GraphGym 进一步实现全流水线以方便 GNN 设计
  

5. Tips：When Things Don’t Go As Planned

5.1 通用提示

• 数据预处理很重要
  • 节点属性的变化范围很大，从（0，1）到（-1000，1000）都有可能
  • 因此需要进行标准化
• 优化器的选择
  • ADAM 对学习率相对稳健
• 激活函数
  • ReLU 激活函数通常效果很好
  • 其他替代方案：LeakyReLU、SWISH、rational activation
  • 输出层没有激活函数
• 在每一层中包含偏置项
• 嵌入维度：32、64 和 128 通常是很好的起点

5.2 调试深度网络

调试问题：损失/准确性在训练期间未收敛

• 检查管道（例如在 PyTorch 中我们需要 zero_grad）
• 调整学习率等超参数
• 注意权重参数初始化

对模型开发很重要的问题：

• 在（部分）训练数据上过拟合：
  • 对于一个小的训练数据集，损失应该基本上接近于 0，对于一个表达神经网络
  • 如果神经网络不能过拟合单个数据点，那是错误的
• 仔细检查损失函数！
• 仔细检查可视化！

5.3 图神经网络资源

论文阅读：