最近图神经网络比较火,所以想着了解一下图神经网络,看能不能将他应用到自己的研究方向上。
一、知识基础
- 图用节点表示实体,用边表示实体间的关系,大部分情况下节点含有信息,边可能含有信息。
- 无向图的邻接矩阵是对称的。
- 结点v的k跳远的邻接节点指的是到结点v要走k步的节点(一个节点的2跳远的邻接节点包含了自身)。
- walk(v_{1},v_{2})=(v_{1},e_{6},e_{5},e_{4},e_{1},v_{2}),这是一次“行走”,从v1出发经过边e6,e5,e4,e1,最终到达节点v2
- “路径”是不可重复的行走
- 给定图G‘ = {V’, ε’}是图G = {v, ε}的子图,记属于图G但不属于G’ 图的结点集合记为v/v’ 。如果属于v’的任意结点对之间存在至少一条路径,但不存在一条边连接属于v’的结点与属于v/v’的结点,那么图G’是图G的连通分量。
- 给定一个图G = {V, ε},其邻接矩阵为A,其拉普拉斯矩阵定义为L = D - A。其中D = diag(d(v1),…,d(vn))。
- 图的种类
同质图:只有一种类型的节点和一种类型的边的图。
异质图:存在多种类型的节点和多种类型的边的图。
二部图:节点分为两类