序言
图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。
GNN的历史最早可以追溯到 2005 年,Gori 等人第一次提出 GNN 概念,用 RNN 来处理无向图、有向图、标签图和循环图等。Bruna等人提出将 CNN 应用到图上,通过对卷积算子的转换,提出了图卷积网络(GCN),并衍生了许多变体。
场景
社交网络的建模
当前众多研究学者使用图神经网络模型应用在社交网络建模中,在社交网络中不同朋友之间的联系使用社交图
语音识别的图形模型应用
在深入了解语音识别领域相关技术后,如何通过构建语音识别的图形模型来捕捉音素Yᵢ和声学模型xᵢ形成 HMM(语音识别图)是当前研究热点。
传统卷积和图卷积的区别
这个也就回到了我们引言中所提问到的问题,我们在传统卷积中以CNN为例辅助大家理解。
在图像领域中使用CNN,我们依旧可以将图像输入建模为图的形式。例如图(左)是5x5的像素点,对于3x3卷积核的情况下,每个节点都能够直接连接8个邻节点。
但图表的情况并非如此。例如,下面的图虽然在空间上看起来不同,但它们是相同的。
一般来说,神经网络 (NN) 采用输入x来预测z。而这也给神经网络中如何