【机器学习】GNN和GCN

GNN

在这个例子中,A,B,C,D,E是节点，（）为特征。

聚合

即将每个节点邻居的特征根据 规定的 权重参数，计算出邻居信息。

更新

将该节点周围邻居的特征即上一步得到的邻居信息，按照一定的权重参数，加到该节点本身的特征上，将其作为该节点最终的特征。

循环

思考如果重复两次前两部的步骤（聚合、更新），则由于A由于第二轮的时候加进了C，而C在第一轮加进了E的信息，导致A在第二轮结束后，加入了E的信息。

作用

GCN

GCN主要就是来解决GNN中计算邻居信息时，各个 邻居特征的权重参数怎么确定的问题。

平均法

例子：

但是这样只关注了邻居的特征，而忽略了自己本身的特征，所以要添加一个闭环,即加一个单位矩阵" I ",这样，就得到了下图中第二个公式：自己的特征加上邻居的特征才是自己最终的特征。

注意，此时是将所有邻居的信息加起来，还没有做平均操作。
平均后的公式为：（其中A尖=（A+I））

平均法存在的问题

若A只有一个邻居B，则使用平均法，A会很大程度的受到邻居B的影响

GCN是怎么解决平均法的问题的

GCN的公式如图所示，可见这样的话，如果使用上边的例子：

这里即使A和B差距很大，但是在计算的过程中，由于B的邻居很多，导致B的度很大，这样B÷根号B的度，这样B对A的影响就很有限了。

拉普拉斯对称归一化矩阵

问题

问题：如果A只有一个朋友B，且B也只有一个朋友A，但是B和A差距较大，这样该如何解决B对A的影响。
等大神解答。