半监督分类与图卷积网络

我们提出了一种适用于图结构数据的半监督学习的可扩展方法，该方法基于一种直接在图上运行的高效卷积神经网络变体。我们通过局部一阶近似谱图卷积（spectral graph convolutions）来解释选择这种卷积架构的原因。我们的模型在图边的数量上呈线性扩展，并且学习到的隐藏层表示能够同时编码局部图结构和节点特征。在多个引文网络和知识图数据集上的实验表明，我们的方法显著优于相关方法。