GNN-图卷积模型-2016:GCN【消息传递(前向传播):聚合函数+更新函数】【聚合函数:mean(邻域所有节点取平均值)】【训练更新函数的参数】【空域+频域】【直推式学习】【同质图】

GNN-图卷积模型-2016:GCN【消息传递(前向传播):聚合函数+更新函数】【聚合函数:mean(邻域所有节点取平均值)】【训练更新函数的参数】【空域+频域】【直推式学习】【同质图】_第1张图片

一、概述

在扎进GCN的汪洋大海前,我们先搞清楚GCN是做什么的,有什么用。深度学习一直都是被几大经典模型给统治着,如CNN、RNN等等,它们无论再CV还是NLP领域都取得了优异的效果,而GCN主要是针对图结构的。社交网络、信息网络中有很多类似的结构。实际上,这样的网络结构(Non Euclidean Structure)就是图论中抽象意义上的拓扑图。

1、摘要核心

1 . 本文提出了一种基于图的结构数据的半监督学习框架,该方法可直接在图上进行卷积操作。
2 . 卷积核的设计是通过图频域分析的局部一阶逼近的计算。
3 . 本文的模型运行效率高,通过图的局部结构(邻接矩阵 A A

你可能感兴趣的:(图神经网络/GNN,神经网络,自然语言处理)