图神经网络论文阅读(十六) GraLSP: Graph Neural Networks with Local Structural Patterns,AAAI 2020

本文作者来自香港科技大学、北大和北邮，其中包含宋国杰老师和石川老师，这两位都是国内研究图表示学习的翘楚了。之前读石川团队论文的时候自己犯傻发邮件问了一个比较弱智的问题，石川老师还是让学生耐心帮我解答了。

本文做了我一直想做的事情：GNN聚合邻居特征的时候同时考虑结构信息。有很多研究都是基于Motif（或者叫graphlet）进行的，比如High Order Network Representation，WWW2018，不过需要事先的人工定义，在前几年唐杰老师（比如StructInf: Mining Structural Influence from Social Streams，AAAI2017）基于传统的机器学习去研究过这个，但是论文比较难读。而本文，通过随机匿名游走显式地将局部结构模式合并到邻域聚集中，并设计了一些特殊的方法对其结构特征进行处理：adaptive receptive radius, attention and amplification，在四个开放数据集上都取得了很好的效果。github传送门：https://github.com/KL4805/GraLSP

Introduction

首先来用一个例子来看一看GNN为什么不能捕获结构信息。以三元闭包为例，考虑绿色的结点，两次聚合之后的结果与右边不同的树状结构等效，而这其中忽略了三元闭包（triadic closures）的结构信息。因此需要一种能够自适应不同local structure的图神经网络。