图学习笔记(七):图神经网络算法(二)——图采样、邻居聚合

图学习笔记(七):图神经网络算法(二)——图采样、邻居聚合

  • 图采样
    • 1. 为什么要图采样?
      • 图采样的原因:
      • MiniBatch训练
    • 2. 什么是图采样?
    • 3. 图采样算法详解(GraphSAGE、PinSAGE)
      • GraphSAGE (SAmple & aggreGatE)邻居采样算法
      • 邻居采样算法的优点:
      • PinSAGE:根据邻居节点重要性进行聚合的算法。
    • Graphsage 采样代码实践
  • 邻居聚合
    • 经典的聚合函数
    • 评估聚合表达能力的指标——单射
    • 基于单射的Graph Isomorphism Net (GIN)模型
    • 更复杂的聚合函数:GCN、GAT等

你可能感兴趣的:(图学习笔记(七):图神经网络算法(二)——图采样、邻居聚合)