Iterative Deep Graph Learning for Graph Neural Networks: Better and Robust Node Embeddings
摘要：在本文中，我们提出了一个端到端的图学习框架，即迭代深度图学习（IDGL），用于联合和迭代地学习图结构和图嵌入。IDGL的关键理论是基于更好的节点嵌入来学习更好的图结构，反之亦然（即基于更好的图结构来学习更好的节点嵌入）。我们的迭代方法在学习到的图结构足够接近于下游预测任务优化的图时动态停止。此外，我们将图学习问题作为相似度度量学习问题，并利用自适应图正则化来控制学习图的质量。最后，我们结合锚