Open the Eyes of MPNN: Vision Enhances MPNN in Link Prediction

要約

メッセージパスグラフニューラルネットワーク（MPNNS）と構造的特徴（SFS）は、リンク予測タスクの礎石です。
しかし、一般的で直感的な理解のモードとして、MPNNコミュニティでは視覚的認識の可能性が見落とされています。
初めて、より効率的なバリアント（E-GVN）とともに、Graph Vision Network（GVN）と呼ばれる効果的なフレームワークを提案することにより、MPNNに視覚構造認識を装備します。
広範な経験的結果は、提案されたフレームワークでは、GVNが大規模なグラフに挑戦するなど、7つのリンク予測データセットにわたるビジョン強化から一貫して利益を得ることを示しています。
このような改善は、既存の最先端（SOTA）メソッドと互換性があり、GVNは新しいSOTA結果を達成し、それによりリンク予測のための有望な新しい方向性を強調しています。

要約(オリジナル)

Message-passing graph neural networks (MPNNs) and structural features (SFs) are cornerstones for the link prediction task. However, as a common and intuitive mode of understanding, the potential of visual perception has been overlooked in the MPNN community. For the first time, we equip MPNNs with vision structural awareness by proposing an effective framework called Graph Vision Network (GVN), along with a more efficient variant (E-GVN). Extensive empirical results demonstrate that with the proposed frameworks, GVN consistently benefits from the vision enhancement across seven link prediction datasets, including challenging large-scale graphs. Such improvements are compatible with existing state-of-the-art (SOTA) methods and GVNs achieve new SOTA results, thereby underscoring a promising novel direction for link prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google