图神经网络 graph neural networks

Neural network




Graph


GNN应用





关系是否可以提供一些额外信息,不止是考虑entity的特征,还可以考虑关系。


基于近朱者赤 近墨者黑的假设


- 用邻居更新
- 利用信号系统中,先转到频域,再做基于频域的卷积


重点关注GCN,GAT













卷积将相邻的节点的特征聚合起来作为该节点的输出
NN4G


DCNN



DGC

MoNET


基于距离进行测量节点
GraphSAGE



GAT

权重自己去学


GIN


mean和max pooling在不同的结构下,可能得到相同的结构,适合使用sum pooling

dgl.ai




信号相关的处理





spectral graph theory







节点信号差


信号转到频域。

信号恢复






ChebNet

多项式函数的系数K,复杂度不再是N。



这样转换的好处就是容易计算



GCN













GCN叠加很多层后会有这个问题




Graph Generation




GNN for NLP





Unsupervised learning: word embedding












unsupervised训练的







新的图片 没有看过的图像,通过embedding 看看离哪个近,可以将其判断为哪个类。























