Position-aware 图神经网络

结点嵌入的三种方法:

  1. 图神经网络方法
  2. 矩阵分解方法
  3. 随机游走方法

下面讲讲图神经网络的方法:

在图神经网络框架里,结点嵌入式通过一系列非线性图卷积、池化等操作实现。

对于下图,结点 v 1 v_{1} v1和结点 v 2 v_{2} v2是不可区分的。
Position-aware 图神经网络_第1张图片
Point-aware图神经网路欧泽可以做到区分二者。它融入了结点的位置信息。结点的位置能被一个low-distorsion映射铺捉到,通过计算结点到ancho-sets的距离。

结点嵌入KaTeX parse error: Expected '}', got 'EOF' at end of input: …i}=f_{p}(v_{i])为position-aware, 如果存在一个函数 g p g_{p} gp使得 g p ( z i , z j ) g_{p}(z_{i},z_{j}) gp(zi,zj)等于结点 v i v_{i} vi和结点 v j v_{j} vj的最短路径;
它是structure-aware,如果该嵌入为网络结点 v i v_{i} vi q − q- qhop邻域。

Position-aware 图神经网络_第2张图片

Position-aware 图神经网络_第3张图片
Position-aware 图神经网络_第4张图片

Position-aware 图神经网络_第5张图片

Position-aware 图神经网络_第6张图片

你可能感兴趣的:(图神经网络)