Message Passing Attention Networks for Document Understanding
https://github.com/giannisnik/mpad.
1.Motivation
将MP(message passing)架构应用于文本表示学习。
2 Message Passing Neural Networks
对于一个图 G G G=( V V V, E E E),考虑节点 v v v∈ V V V,在 t t t + + + 1 1 1时刻,一个massage 向量由节点 v v v的邻居计算得出:
然后,通过将其当前特征向量 h h h t ^t t v _v v与消息向量 m m m t ^t t + ^+ + 1 ^1 1 v _v v相结合来计算节点 v v v的新表示 h h h t ^t t + ^+ + 1 ^1 1 v _v v:
消息按时间步长传递。每一步都由MP的不同层实现。因此,迭代对应于网络深度。最终的特征向量 h h h T ^T T v _v v是基于从以 v v v为根高度为 T T T的子树中的所有节点的消息传播。
如果需要图级特征向量,例如用于分类或回归,则应使用必须对排列不变的 R R R E E E A A A D D D