论文笔记之Diffusion-Convolutional Neural Networks

本文是2016年NIPS上的论文

也是在graph上采用cnn进行了探讨。

思路看似十分简单：
对于一张graph而言，有N个node，每个node有F个feature，每个节点关注H hop以内的信息
架构：

---

对于 node classification

输入：H*N*N*F
第一层：（其实对于每个node而言，通过这一层的映射，会得到一个H*F的map。对于map上的每个元素，是这么得来的，对于这个node i，取H跳的所有邻居的第F个feature信息求和乘以权值w即可）（权值共享体现在同一跳的同一个feature权值一样）

这一层输出的是H*F的map
然后就是一个全连接层，就得到预测结果。

---

对于graph classification类似：

就是在node classification 的基础上，对于每个graph而言，通过这一层的映射，会得到一个H*F的map。对于map上的每个元素，是这么得来的，对于graph上的每个node i，取H跳的所有邻居的第F个feature信息求和，乘以权值w即可。