泪目,GNN 论文好多。
图卷积网络 (Graph Convolutional Networks, GCN) 是 Kipf 和 Welling 发表在 ICLR 2017 上的方法,文章题目为 Semi-Supervised Classification with Graph Convolutional Networks. 这篇文章介绍了一种半监督模型,用于进行图网络的节点分类。
# 背景
# 谱图理论
谱图理论是基于图拉普拉斯矩阵研究图特点的数学方法,其通过分析拉普拉斯矩阵的特征值和特征向量,来获得图连通性、节点邻居关系等拓扑性质。
在本文中,谱图理论得以应用于机器学习之中,并带来了良好的效果。
# 基本方法
GCN 可以被描述为形如 f(X,A) 的模型,其中 X∈RN×C 是输入特征,A∈RN×N 是邻接矩阵。
具体说来,多层的 GCN 的前向传播规则可以表示为
H(l+1)=σ(D~−21A~D~−21H(l)W(l))
其中 H(l)∈RN×C 表示第 l 个隐藏层,首个隐藏层采用 X 计算得到,A~=A+IN 是在图中添加自环的邻接矩阵,D 是度矩阵,D~ 是 A~ 的度矩阵,W(l)∈RD×D 是第 l 层的权重矩阵,σ 是激活函数,一般为 ReLU 函数。
# Ref