本文阐述了GraphSAGE的问题,
NRGCN的框架:
不同于JKnet把 每一层的表征进行拼接, 本文拼接了 直接从某跳的邻居表征,原因是说JKnet那样的h是已经被mixed和计算了多次
这样的直接某跳做法 之前也见过,但并未成为主流,后面远的跳数,只是很远的邻居,这样真的对于emeddding 有意义吗?该文章这样是从 复杂性角度考虑,这样每一层的表征就独立于前一层,不用算了前面的才算当前这一层,这样所有层都可以被precomputed,有点sign那种,sign是通过对邻接矩阵的幂从而预计算,本文则是不同: 那种整体的预计算不会考虑到shift,且每一层的表征都是和上一层有关的 但基于采样,这样每次独立进行sample,如何保证 层与层之间的节点连贯性呢? SAGE那样是基于第一层采样,第二层基于第一层的邻居,这样保证采样出一个子图,本文要同时预计算,没有上一层的节点作为parent,且本文强调layer-independt