图嵌入

图嵌入思想

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

图卷积网络(Graph Convolutional Network)

诞生

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。

GCN的卷积过程

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

池化过程

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

卷积过程

将节点信号大小转化到信号领域进行矩阵分解再转回来

  • 输入:

GCN的输入

  • 输出:

公式1

公式2

结果目标

论文中的过程图

卷积方式分两种:

GAN整体流程

  • idea 如果有很多图结构,每个的节点数都不一样,,要想做节点分类。 对于节点的分类, GCN(Graph Convolution Network)需要知道全部的图。本文的(Graph Attention Network)GAT可以,GAT只需要本节点的特征和相邻节点的特征就可以分类了

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券