基于图互信息池化的分层图表示学习

摘要

提出一种基于图互信息的池化算子——图互信息池化(graphical mutual information pooling, GMIPool)。GMIPool利用互信息神经估计度量节点及其对应的支撑图之间的图互信息(包括特征互信息和结构互信息),利用图互信息识别并保留图中的关键节点，构建更为紧凑的粗图。为确保原图和粗图在结构上的一致性，该方法利用节点之间的邻域关联性对粗图的结构进行修正。该方法在多个节点分类任务数据集上进行实验，验证了图互信息池化的有效性。

关键词

图神经网络 / 图池化 / 多粒度 / 图互信息 / 互信息神经估计