图神经网络之五：超大图上的节点表征学习和学习代码

在此篇文章中，我们将首先对Cluster-GCN论文中提出的方法做简单概括，接着深入分析超大图上的节点表征学习面临的挑战，最后对Cluster-GCN论文中提出的方法做深入分析。

Cluster-GCN简单概括

为了解决普通的方法无法在超大图上做节点表征学习的问题，Cluster-GCN论文提出：

• 利用图节点聚类算法将一个图的节点划分为$c$个簇，每一次选择几个组的节点和这些节点对应的边构成一个子图，然后对子图做训练。
• 由于是利用图节点聚类算法将节点划分为多个簇，所以簇内边的数量要比簇间边的数量多得多。
• 基于小图进行训练，不会消耗很多内存空间，于是我们可以训练更深的神经网络，从而得到更高的精度。