Diffusion-Convolutional Neural Networks
模型详述
- A t A_t At表示图的邻接矩阵, P t P_t Pt表示度归一化转移矩阵, ( P t ) i j (P_t)_{ij} (Pt)ij表示由节点 i i i转移到 j j j的概率,可以由 A t A_t At计算得到,可以认为是权重矩阵。
- A t A_t At矩阵有一个性质: A t A_t At矩阵的幂级数 A t n A^n_t Atn中的一个元素 ( A t n ) i j (A^n_t)_{ij} (Atn)ij,表示节点 i i i到节点 j j j长度为 n n n的游走(英文为 w a l k ) walk) walk)的数量,当不存在这样的游走时,该值为 0 0 0,之后将该矩阵归一化后,就可以表示长度为 n n n时,节点 i i i转移到 j j j的概率。这种性质对应与公式:
P t i j k ∗ = P t i k j (1) P^*_{tijk}=P^j_{tik}\tag1 Ptijk∗=Ptikj(1)
其中, P t ∗ ∈ R N t × H × N t P^*_t\in R^{N_t\times H\times N_t} Pt∗∈RNt×H×Nt表示由 P t P_t Pt组成的幂级数; i i i表示节点 i i i ; j j j表示跳 ( h o p ) (hop) (hop)为 j j j,也就是游走的长度为 j j j; k k k表示节点的第 k k k个特征。从公式