摘要
1 引言
在这项调查中,我们提供了数据挖掘和机器学习领域中图神经网络(GNN)的全面概述。我们提出了一种新的分类法,将最新的图神经网络分为四类,即递归图神经网络,卷积图神经网络,图自动编码器和时空图神经网络。
我们将进一步讨论图神经网络在各个领域的应用,并总结现有算法在不同学习任务上的开源代码和基准.
2
4
5 图卷积网络
- 理解卷积
- 理解传统卷积(在标准对其矩阵的卷积过程)
- 理解图卷积(在图上卷积),包括空间和谱方法。
3.1 空间方法(提取拓扑图上的空间特征,那么就把每个顶点相邻的neighbors找出来。)
有通用框架和基于聚合函数两种方法
对于通用框架,是通过定义映射函数将每个节点局部结构变成一维向量。那图自然就变成一个矩阵了。
3.2 谱方法
1 傅里叶变换
2 卷积定理
3 拉普拉斯算子
4 在图上定义二阶导数
5 其中4的目的是为了找到可以让图上傅里叶变换的基,因为拉普拉斯矩阵的n个特征向量刚好可以作为基进行1.
6 就可以定义图上的傅里叶变换
7 但是需要定义filter函数,我们可以定义为拉普拉斯矩阵的函数为这个。
8 这样就可以完成图卷积了。