一、GCN编码器
GCN是指图卷积神经网络,但是这里我将重点谈谈卷积二字,而不重点强调神经网络四字。如果将GCN强调在卷积二字,那么GCN将被看成一个编码器。编码器的输入是图中节点的特征,以及邻接矩阵、度矩阵等。
对于一个图,我们拥有一组节点的特征
其中N是图的节点个数,是节点所对应的特征。
另外节点之间的关系信息用邻接矩阵,以及图关于节点的度的矩阵,那么一个GCN编码器为
其中是一个激活函数,例如ReLU;,是N阶单位矩阵;而是对应的度矩阵,即, 是可学习的线性转换器(反正就是可学习的参数)。
如此下来,可以轻易地看出,这个GCN就是一个简单的矩阵计算过程。但实际上,这些个简单的计算过程是可以嵌套,进而组成图卷积神经网络,体现在多层的GCN编码,而不是一层。
另外,如果想要更加细致地观察各个矩阵里面的值,可以参考这篇博客:浅谈GCN。
二、参考
Velickovic, P., Fedus, W., Hamilton, W. L., Liò, P., Bengio, Y., & Hjelm, R. D. (2019). Deep Graph Infomax. ICLR (Poster), 2(3), 4.