《A Gentle Introduction to Graph Neural Networks》要点

A Gentle Introduction to Graph Neural Networks

1.架构

该篇文章总共有4块信息：什么数据可以表示成一张图、图和别的数据有什么不一样的地方 为什么要用图神经网络、GNN各个模块是什么样子、提供一个GNN的playground

2.什么是图

包含节点信息、边信息、图全局信息，各部分信息可以用不同长度的向量（也可能一样）来表示，这里的关键是如何通过向量来表示这些我想要的信息，以及这些向量能不能通过数据来学到，这也是整个GNN要关注的重点

3.数据如何表示成图

3.1图片表示成图数据

将图片上的每个像素映射成图上的每个点

3.2文本表示成图

将文本看成序列，每个词看成顶点，上下两个词之间有一条边

3.3分子结构图

3.4社交网络图

4.将数据表示成图后，可以定什么样的问题

4.1图层面的问题

如看一个图里有没有两个环

4.2顶点层面

如预测顶点属性，做分类

4.3边层面

如预测边属性

5.将机器学习应用在图上面的挑战

• 图中一共有四种信息：顶点信息、边信息、图全局信息、连接性，关键是如何表示图使它能够与神经网络兼容，如何保证高效存储，以及对顺序无关
• 有缺失信息怎么办？—进行信息叠加

6.GNN介绍

• 定义：GNN就是对属性做变换，但是不改变图的结构
• 主要介绍：最简单的GNN网络结构，顶点、边、全局信息叠加，汇聚层、基于消息传递的GNN

7.GNN playground

GNN对于超参数是很敏感的，超参数主要有：GNN网络层数、属性嵌入维度、汇聚方式（mean、max、sum）、信息叠加方式