目录
1 目的和思想
GraphSage 模型的目的:将图的顶点表示为向量
GraphSage 的整体思想:利用邻接点来产生顶点的embedding
GraphSage 属于无监督模型
模型出自论文: Inductive Representation Learning on Large Graphs
2 模型原理
模型实现:
- 对邻居节点采样,要求采样数量为固定值
- 利用顶点的邻居特征的第 k-1 层 embedding 来表示第 k 层,再聚集邻居的特征得到顶点的embedding
- 通过 loss 函数训练参数
2.1 Aggregator Architectures 聚集器架构
2.1.1 Mean aggregator
对邻居特征取均值
2.1.2 LSTM aggregator
将邻居特征输入LSTM,得到第k层特征
2.1.3 Pooling aggregator
有点池化效果,取每个位置的最大值
2.2 loss 函数
3 GraphSage 总结
GraphSage 能够为新增节点快速生成 embedding ,而无需额外训练过程