论文链接：http://www.cse.cuhk.edu.hk/~jcheng/papers/pge_kdd19.pdf
github链接：https://github.com/yifan-h/PGE
背景
1.图的应用非常广泛 Graphs are ubiquitous today due to the flexibility of using graphs to model data in a wide spectrum of applications.
2.图表示学习可以使图的结构信息(structural information)和节点信息(degrees,kernel functions,local neighborhood structures)得到直接的使用
3.当前主流的图表示模型(plain graphs)，only the pure topology, without node/edge labels and properties
定义
与GraphSAGE和GCN相比，PGE通过引入偏差bias对邻居进行区分以进行邻居聚合，从而进一步提高了分类的准确性，这验证了前面对bias策略重要性的分析。