融合节点与边特征的增强Graph Transformer

摘要

为解决邻域聚合Graph Transformer(neighborhood aggregation Graph Transformer, NAGphormer)缺乏对边特征的有效利用机制和图拉普拉斯矩阵的特征向量仅适用于无向图问题,本研究提出融合节点与边特征的增强Graph Transformer模型(enhanced Graph Transformer with node and edge feature fusion, EGT-NEF)。利用虚拟节点解决有向图中无法转换线图问题;引入线图映射矩阵使模型能够从邻域中学习边特征表示;通过图邻接矩阵的奇异值分解(singular value decomposition, SVD)来生成位置编码,将该模型扩展到有向图。结果表明,所提出的模型相较于基准模型在性能上有所提升。

关键词

图神经网络 / Graph Transformer / 虚拟节点 / 边嵌入 / SVD

基金资助

国家自然科学基金资助项目(61663030); 江西省自然科学基金重点资助项目(20252BAC250021); 江西省重大科技研发专项资助项目(20214ABC28W002)