关于GAT论文的理解笔记
为什么要提出GAT？
在处理一些non Euclidean的graph问题中，目前主流的方法是两种： 1. spectral approaches 2. non-spectral apporoaches
对于spectral的方法，它的卷积计算离不开拉普拉斯矩阵的特征计算，因此依赖于特定的图结构。当用此方法在一个特定的graph structure中训练好的模型不能运用于其他的graph structure。
而对于spectral的局限，提出了GAT，它利用了 masked self-attentional layer 的方法，来获取每个节点的特征，并赋予每个节点权重。GAT有效的解决了spectral approaches中遇到的问题。
它的好处：
- 它能够并行处理多个节点和临界点的操作
- 它能够对于任意节点的所有临界点进行权重赋值
- 它可以直接运用于推导学习的问题中，同时可以运用到没有见过的图结构上。
一个局限性：
此网络忽略了图本身的结构，即不需要图结构，仅仅是通过层层网络的叠加计算去获得节点的特征。
本文的实验在四个dataset上都取得了较好的结果，分别是 Cora, Citeseer and Pubmed citation networks, inductive protein-protein interaction dataset。这些任务包括三个转导学习和一个归纳学习。
GRAPH ATTENTIONAL LAYER
在这一部分，作者主要提出了一个building block（建立的模块），通过这个block建立一个graph attention layer，再把graph attention layer进行叠加形成graph attention layers。
首先第一个参数是
其中的h是一个节点特征值向量的集合，它也是网络的输入值。hi表示第i个节点的特征向量，每个节点有F个特征值，因此hi是一个F维度的向量。N表示一个graph中的节点数目。
经过网络的处理之后，输出了以下的值：
此时的h表示经过网络后处理的特征值向量的值，节点数目N不变，每个节点的特征向量的维度由F变为了F‘（因为，为了更好的提取出节点的特征，需要将输入的特征转换为更高级别的特征）
注意力机制
接下来我们需要针对每一个节点计算出一个 注意力系数（attention coefficients）
其中W是一个 F’ * F 的权重矩阵，它应用于每个节点，而h是一个F维的向量，两者相乘把每个节点的向量变为F’维的向量。
而eij的实质就是计算节点j对于节点i的重要性 { i分配给j的注意力（权重）}
按照上面的方法，也许我们可以计算出一个graph中i对所有点的注意力，但实际上这是没有必要的，于是我们采用了 masked attention 的方法，我们只是假设在一定范围内j∈Ni，在一定的邻域中去计算，而我们规定这个邻域是一阶的，也就是和i相邻的节点以及i本身。
为了将这个注意力系数eij 分配到 [0 , 1] 的范围内，我们采取 了softmax进行处理，如下：
在具体的实验中，我们对上诉的式子细化得到：
其中 || 表示矩阵的拼接，T表示矩阵的转置。a∈R(2F)是一个权重向量，因为 Whi||Whj 这个拼接矩阵此时的维度是 2 * F’，所以将a转置之后维度变为 F‘ * 2，得到一个F’ * F’ 维度的矩阵。再通过LeackyRelu的激活函数激活，通过softmax处理系数转化到 [0 , 1]。
上面这个式子是整篇论文的核心，可以用一个图表示式子的计算过程，如下：
上图是 自下而上 的去阐述该核心算式。
当我们计算出节点对于邻接节点的注意力系数(αij)之后，我们就能够计算出每个节点最终的输出特征向量hi，等式如下：
因此我们对于图中每个节点不断运用这个算式，最终可以计算提取出图中每个节点的特征向量，我们把计算每个节点的特征向量hi的过程叫做 self-attention。
进一步的，为了使得Self-attention的过程更加稳定(没有较大的偏差)，我们采用了 multi-head attention 的方法。先看图
此图用了 muti-head attention 的方法， 假设K = 3 heads, 那么由图知，节点1跟每一个一阶的邻节点(包括这个节点本身)，都有三种不同颜色的线，也就是每个节点进行三次 self-attention 的计算，产生一个hi的向量，再将这三个向量拼接起来。如下所示（||表示拼接）：
但是为了得到最后的结果，我们还需要平均处理以下，如下：
Evaluation
661
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
