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!