图神经网络学习笔记-03图神经网络算法（上）

图卷积网络(GCN)

卷积在规则数据上很好应用，如果是不规则的图呢？

从图像卷积类比到图结构卷积

图像卷积

将一个像素点周围的像素按照不同的权重叠加起来。

图结构卷积

将一个节点周围的邻居按照不同的权重叠加起来。

图卷积网络计算公式：

这个公式可以一步步来看

1.边上的源节点，往目标节点发送特征

2.目标节点对收到的特征进行聚合

问题：是否所有的人对自己的评价都是有用的？

所以：如何衡量邻居的重要性？

度：给边加权

怎么用多层图网络完成节点分类任务

GCN算法全流程：

第一步：节点间进行特征传递

第二步：对每一个节点过一层DNN

重复L次，实现多层图卷积网络

获取的最终表示H ( L )作为最终节点表示，来分类

图注意力网络(GAT)

GCN中边的权重:

与节点的度相关

不可学习

GAT中的边权重

权重变成节点间的函数

权重与两个节点相关性有关

可学习

attention计算方法

特征聚合计算方法

Message Passing

GCN、GAT都是基于邻居聚合的模型

称为Spatial(空间)GNN

大部分的Spatial GNN都可以用Message Passing实现

消息的发送

消息的接收