深度学习一直都是被几大经典模型统治着，常见的有CNN、RNN网络，它们在CV和NLP领域都取得了优异的效果。但人们发现了很多CNN、RNN无法解决，或者效果不好的问题——图结构数据，如社交网络、人物关系、分子结构等，所以就有了GNN网络(Graph Neural Networks)。

图卷积神经网络(Graph Convolutional Network, GCN)，是一类采用图卷积形式迭代的神经网络，属于图神经网络 GNN 的一种。

GNN结构

参考文档：https://distill.pub/2021/gnn-intro/

1、组成部分

1）V（顶点 vertex）、E（边 Edge）、U（整体）

2）有向边（Undirected edge）和无向边（Directed edge）

2、生活场景

1）图片中的像素点

2）一句话：Graphs are all around us（有向图）

3）分子结构

4）社交网络（好友结构、人物关系）

5）比赛赛事安排

3、Graph上的任务

节点分类：预测特定节点的类别

链接预测：预测两个节点是否有联系

社区检测：识别密集联系的节点群落

网络相似性：两个网络的相似性

推导过程

参考文档：https://ai.plainenglish.io/graph-convolutional-networks-gcn-baf337d5cb6b

1、计算邻接矩阵

2、自连接

3、度矩阵

4、标准化

你是我的唯一，我是你的其中之一。


5、卷积

本文链接：http://edu.ichenhua.cn/edu/note/465

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！