[汇智讲堂] ICCV 2019顶会文章分享第三期

《AttPool: Towards Hierarchical Feature Representation in Graph Convolutional Networks via Attention Mechanism》
演讲人:黄靖佳,北京大学
       
        卷积神经网络是处理图结构数据(graph structured data)的重要手段。它能将归纳偏置引入数据的表征学习中,且具备很强的关系型表征学习能力。但是图网络在学习图表征(graph embedding)时,难以挖掘不同层次的表征。为此,我们提出了一种基于attention机制的、可端到端训练的图池化模块(grpah pooling module),并在图分类(graph classification)任务上对效果进行了验证。

(视频内PPT分享地址:https://code.ihub.org.cn/projects/792