1.经典GNN网络
传统的图GNN模型的传播过程,如下图所示
x
n
=
f
w
(
l
n
,
l
c
o
[
n
]
,
x
n
e
[
n
]
,
l
n
e
[
n
]
)
x_n=f_w(l_n,l_{co[n]},x_{ne[n]},l_{ne[n]})
xn=fw(ln,lco[n],xne[n],lne[n])
o
n
=
g
w
(
x
n
,
l
n
)
o_n=g_w(x_n,l_n)
on=gw(xn,ln)
其中,
f
w
f_w
fw是局部转移函数,
l
n
l_n
ln是该节点的特征,
l
c
o
[
n
]
l_{co[n]}
lco[n]与该节点连接的边的特征,
x
n
e
[
n
]
x_{ne[n]}
xne[n]该节点的邻居表示,
l
n
e
[
n
]
l_ne[n]
lne[n]该节点邻居节点的特征
g
w
g_w
gw定义为局部输出函数,