图神经网络是一种强大的学习图数据的模型，通过节点信息嵌入和图卷积运算实现图结构数据的表示。图数据中节点的结构信息和节点的位置信息对获取图特征至关重要，但现有的图神经网络在同时捕获位置信息和结构信息的表达能力有限。在本文中，提出了一种新的图神经网络——融合位置和结构信息的图神经网络（Positional and Structural Information with Graph Neural Networks，PSI-GNN）。PSI-GNN的核心思想在于利用编码器获取节点的位置和结构信息，并将这些信息特征嵌入到网络中。通过在网络中更新和传递这两种信息，PSI-GNN实现了对位置和结构信息的有效融合与利用，为解决上述问题提供了有效的解决方案。同时，为应对不同类型的图学习任务，PSI-GNN给予位置和结构信息以不同的权重来应对不同的下游任务。为了验证PSI-GNN的有效性，在多个基准图数据集上进行了实验。实验结果表明，PSI-GNN在节点级任务上最高提升了约14%，在图级任务上最高提升了约35%，验证了PSI-GNN在同时捕获位置和结构信息方面的有效性。
暂无评论