论文题目
EvolveGCN: Evolving Graph Convolutional Networks for Dynamic Graphs
发表日期、所属会议/期刊/预印本:
AAAI 2020
做得什么:
EvolveGCN在时间维度上采用了图卷积网络(GCN)模型,而无需借助节点嵌入。所提出的方法通过使用RNN来进化GCN参数来捕获图序列的动态性。
怎么做的(重点):
-
EvolveGCN的整体演示图
RNN可以为GRU或LSTM等循环神经网络,时间步不同会沿层生成不同的信息
-
GCN
- GCN的计算过程,t时刻,第l层的领接矩阵A与结点的embedding矩阵H作为输入,W矩阵作为更新t+1时刻的结点embedding的矩阵。如图:
-
权重计算
模型的核心是对权重矩阵的更新
- 使用GRU来根据系统t时刻下的输入更新隐藏层状态(EvolveGCN-H),如图: