13.Hierarchical Graph Representation Learning with Differentiable Pooling

可微分池化的层级图形表征学习 摘要 最近，图神经网络（GNNs）经过有效学习的节点嵌入，改变了图形表征学习的领域，在节点分类和链接预测等任务中表现了不错的效果。然而，现有的 GNN 方法本质上是平面化的，所以没法学习图形的层级表征——这对于图形分类任务而言尤为成问题，由于图形分类任务的目的是预测与整个图像相关的标签。在这里，咱们提出了DIFFPOOL，一个可微分的图形池化模块，能够生成图形的层级表

>>阅读原文<<