Amélioration de l'architecture GAT par la prise en compte de la courbure du graphe - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Amélioration de l'architecture GAT par la prise en compte de la courbure du graphe

Résumé

Bien que les réseaux de neurones opérant sur des graphes comme le GCN ou le GAT, soient très utilisés, il est établi qu'ils souffrent d'un de goulot d'étranglement qui limite leur efficacité. Récemment, il a été montré que le phénomène de goulot d'étranglement provient de certaines zones des graphes, que l'on peut identifier par une mesure de courbure des arêtes. Tandis qu'une solution consiste à modifier le graphe dans ces zones en ajoutant et en supprimant des arêtes nous proposons de modifier le mécanisme d'attention du GAT pour moduler les poids d'attention selon la courbure des arêtes. Les expériences menées sur différents jeux de données montrent que notre méthode s'avère plus efficace, moins couteuse et améliore la méthode originale GAT dans la classification des noeuds.
Fichier principal
Vignette du fichier
egc_curvgat.pdf (323.22 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04009261 , version 1 (20-03-2023)

Identifiants

  • HAL Id : hal-04009261 , version 1

Citer

Hugo Attali, Adrien Guille, Stéphane Chrétien. Amélioration de l'architecture GAT par la prise en compte de la courbure du graphe. 23ème conférence sur l'Extraction et la Gestion des Connaissances (EGC) 2023, Jan 2023, Lyon, France. pp.393-400. ⟨hal-04009261⟩
12 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More