Semi-Supervised Classification with Graph Convolutional Networks简介

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：

1. 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
2. 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）：

​

• $\tilde{A}=A+I_N$是带自环的邻接矩阵
• ${\tilde{D}}_{ii}={\sum }_j{\tilde{A}}_{ij}$