ICML 2019丨LDS：面向图神经网络的离散图结构学习

论文标题 ｜ Learning Discrete Structures for Graph Neural Networks
论文来源 ｜ ICML 2019
论文链接 ｜ https://arxiv.org/abs/1903.11960
源码链接 ｜ https://github.com/lucfra/LDS-GNN

TL;DR

为了解决现实图数据中的噪声和图结构未知的情况，论文中提出联合学习图卷积网络的图结构和参数的方法 LDS，主要是通过学习图中边的离散概率分布来近似求解双层规划问题，这样可以在图中关系缺失或者图结构未知的情况下应用 GCNs。实验部分在验证了提出的 LDS 模型优于目前的 baselines。

Algorithm/Model

LDS 模型的主要架构图如下所示：

Experiments

Thoughts

---

---