EdgeCast：面向边丰富图的边条件化卷积图神经网络方法

《IEEE Transactions on Knowledge and Data Engineering》：Modeling Edge-Rich Graphs using Neural Networks

　　近年来，图分析技术取得了迅速进展。这些进展主要针对具有丰富节点级信息的图，例如在互联网、社交媒体或关系型数据库中找到的图，以适应异质和动态网络。相反，边丰富的图——其中边包含大量信息——却未受到太多关注。边丰富的图的例子包括源自群组通信日志的网络以及时空移动建模网络。在本文中，我们通过理论分析和仿真实验表明，现有的图神经网络在处理此类边异质性方面效果较差。随后，我们提出了EdgeCast，一种边条件化的卷积图神经网络方法，将边丰富的网络数据建模为上下文增强的图，以实现更好的预测效果。我们将所提方法与最先进的基于特征的方法和图神经网络方法在四个真实世界测试平台上进行了评估。我们的仿真和真实世界实验结果表明，强调边异质性能够提升涉及边丰富图的各类任务的性能。