SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS
摘要
文章呈现了一种可缩放的半监督学习方法,利用卷积神经网络变种来进行图结构数据的学习。通过spectral graph convolution(谱图卷积)的局部一阶近似来确定卷积网络结构。隐藏层的表示是通过编码局部图结构以及结点特征来进行。
介绍
作者主要贡献:
- 介绍了一个简单且表现良好的层向的传播规则对于神经网络模型
- 证明基于图的神经网络能被快速且可缩放的半监督分类
Graph中的快速卷积
具有以下分层传播规则的多层图形卷积网络(GCN):
- A ~ = A + I N \tilde{A}=A+I_N A~=A+IN是带自环的邻接矩阵
- D ~ i i = ∑ j A ~ i j \tilde{D}_{ii}=\sum_j \tilde{A}_{ij} D~ii=∑jA~ij