GNN图神经网络
博客链接:https://distill.pub/2021/gnn-intro/
1.什么图
(1)图的基本组成
V Vertex(顶点)
E Edge(边)
U Global(全局信息)
(2)图的分类
一种是有向图,一种是无向图
2.图有关的三大类问题
图层面,顶点层面,边层面
(1)图层面
给了些图,对图进行分类
(2)顶点层面
不同点和哪些点关系更近
(3)边层面
例如不同人物之间的关系,就是看边的属性
3.将神经网络应用到图上
一个主要挑战是怎么样表示图才能和神经网络兼容,主要有四个方面,顶点、边、全局信息和连接性,其中比较难表示的是第四个,虽然可以用邻接矩阵存储,但会出现一个问题,矩阵会非常的大。
4.图神经网络
输入进去的是图,输出的也是图,并且不会改变图的连接性,只赋予属性。
(1)为什么要加入全局信息?
因为当图很大的时候,可能存在一个顶点的信息传递到另一个顶点需要很远才行,因此引入了一个虚拟的点称为master node 或者 context node,这个点可以和所有的点相连。