Semi-Supervised Classification with Graph Convolutional Networks
1、简介
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/fe2f7e93ea8e4aa2e5a9f40fd5fedb87.png)
我们考虑在图形(例如引用网络)中对节点(例如文档)进行分类的问题,其中标签仅可用于一小部分节点。 这个问题可以被定义为基于图的半监督学习,其中标签信息通过基于图的显式正则化在图上平滑。例如 通过在损失函数中使用图拉普拉斯正则化项:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4331902c13617f138df3b1fc8cb8824d.png)
- L 0 L_0 L0是图的监督损失。
- L r e g L_{reg} Lreg是图的拉普拉斯正则化。
2、图上的快速近似卷积
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/fd96968d571f112e5b72b88481435ee2.png)
- A ~ = A + I N \tilde{A} = A + I_N A~=A+IN