qq_44689178的博客

基于空间的图卷积网络和基于谱的图卷积网络（spectral-based GCN and spatial-based GCN)的介绍

这篇文章，主要是讨论在不完整的知识图谱上推理，回答（预测）多跳的查询问题。主要介绍Traversing Knowledge Graphs in Vector Space（以TransE为例）和Query2box*两个算法。

主要是介绍知识图谱以及一些解决知识图谱问题的经典算法，与GNN关系不大。GNN是现在解决知识图谱问题的一种新方法。

从普通的GNN拓展到可以处理异质图的GNNHeterogeneous Graphs（异质图）——有多种类型的边relational GCN一种关系的有向图有多种关系的有向图knowledge graph（知识图）

GCN、graphSAGE、GAT处理Cora数据集的节点分类任务，调参！！

essagePassing实现GAT(了解pyG的底层逻辑）

利用MessagePassing实现GraphSAGE(了解pyG的底层逻辑）

pyG利用MessagePassing实现GCN

GNN如何很好的区分不同的图??常用GNN模型的表达能力（区分不同图的能力）怎么设计表达能力最强的GNN模型?

GNN编程实践建议

图的特征增强，图的结构增强，GNN训练过程中的处理和数据集的划分

目录实践中的GNN层GNN的过渡平滑问题（节点嵌入趋同）增强GNN的表达能力增加跳跃连接在实际应用中，也就是在编程的时候，基本就可以把GNN层看作是CNN层，可以往上面加上各种在深度学习中应用的模块。实践中的GNN层具体操作，参考深度学习中的内容。后面自己补一个，神经网络优化内容的总结。GNN的过渡平滑问题（节点嵌入趋同）在GNN中，如果大量GNN层堆叠，就很有可能出现over smoothing问题——通过图神经网络处理得到的各个节点embe

介绍GNN通用框架，从GCN到GraphSAGE,GAT

这篇文章是接上篇文章的，主要说明一下，GNN与其他网络模型的一下关系。图神经网络（GNN)与卷积神经网络(CNN)的联系卷积神经网络的卷积操作也可以看作图神经网络的信息传递和聚集过程。CNN的卷积核（也就是下面公式中的Wl）就对应着GNN中的信息传递处理操作。对于聚集操作，CNN中可以看作是采取的求和（GNN采取的是求和取平均）。对图片中的一个像素点而言，它的邻居节点就是周围的八个像素节点。可以看到，GNN与CNN的公式可以化成同一种模式。区别就是，卷积神经网络中，像素点的邻居是固定的（..

图的特殊性、怎么引入GNN、介绍GCN

这是CS224W: machine learing with graph的笔记。看了一半课程发现，之前的东西都忘光了，所以决定自己做笔记。第一部分，关于图的一些介绍为什么要用图呢？？图是一种描述和分析物体之间联系（相互关系）的通用语言。我为什么对图神经网络感兴趣呢？主要是，神经网络譬如CNN，它的结构就是一个图，那么通过对神经网络的计算图应用图神经网络会不会是实现通用人工智能的一种途径？？群体智能貌似也跟图表示学习关系密切，有时间了解一下。图的结构和图片和语音之类的数据结