图神经网络实战(7)——图卷积网络详解与实现
0. 前言
图卷积网络 (Graph Convolutional Network
, GCN
) 架构由 Kipf
和 Welling
于 2017
年提出,其理念是创建一种适用于图的高效卷积神经网络 (Convolutional Neural Networks, CNN)。更准确地说,它是图信号处理中图卷积操作的近似,由于其易用性,GCN
已成为最受欢迎的图神经网络 (Graph Neural Networks, GNN) 之一,是处理图数据时创建基线模型的首选架构。
在本节中,我们将讨论 Vanilla GNN 架构的局限性,这有助于我们理解 GCN
的核心思想。并详细介绍 GCN
的工作原理,解释为什么 GCN
比 Vanilla GNN
性能更好,通过使用 PyTorch Geometric
在 Cora 和 Facebook Page-Page 数据集上实现 GCN
来验证其性能。