通过深度学习技术将图中的节点(或边)映射为向量空间中的点,进而可以对向量空间中的点进行聚类、分类等处理
空手道俱乐部图,颜色表示通过基于模块化的聚类获得的社团
图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。
先来回顾CNN的卷积过程,主要分为卷积和池化加全连接加softmax
CNN的卷积过程
GCN的整个流程图如下:
GCN流程
经过顶点匹配和图粗粒化的过程,决定边是减掉还是连起来。
池化1
按照节点的index进行融合
池化2
将节点信号大小转化到信号领域进行矩阵分解再转回来
GCN的输入
公式1
公式2
结果目标
论文中的过程图
GAN整体流程