图神经网络学习(四)-带有边信息的图

前言：有些图的每条边都带有额外信息，例如权重，边的类型。

1.先验知识

1.1. 各种"积"

点积
叉积
外积
哈达玛积

1.2 二部图 

 二部图又称为二分图，即将顶点集分为两个互不相交的子集，并且每条边所关联的两个顶点分别属于这两个不同的顶点集，顶点集内部的节点没有边存在。

2.两种处理带有边信息的图的方法

2.1 将图转换为二部图

操作方法：原始图中的边变成节点，一条边被拆成两条新边，这意味着在编辑诶单和起始节点和结束节点之间分别有一条新边。这种图变换称为Levi图变换。

常见方法：G2S

将AMR图转为为Levi图，并在图上应用门控图神经网络。这里由于已经将原来的边转换成节点，所以就可以和节点一样处理边的信息。

2.2 对不同类型的边采用不同的权重矩阵

操作方法：针对不同类型的边采用不同的权重矩阵，但需要对边关系种类数较多的情况进行特殊处理。

常见方法：R-GCN

对于边的关系种类较多的情况，R-GCN引入了两种正则化方法来减少建模关系所需的参数两，这两种正则化方法分别是基分解和块对角分解。

基分解：将所有的关系权重矩阵，都用同一组基矩阵进行线性组合表达

块对角分解：通过针对一个低维矩阵集合直接求和来定义每一个关系权重矩阵。