相关代码见文末
1.回顾同构图
1.1 GNN
GNN基本计算方法——邻接矩阵乘以节点,聚合相邻节点的特征,得到本节点的特征表达
1.2 Graph Attention Network
引入图注意力,实现边的权重可学习,最简单的方法是,将两个节点的特征进行拼接,使用一组可学习的权重参数映射为边的权重
,经过Leaky ReLU后使用softmax归一化得到
GNN基本计算方法——邻接矩阵乘以节点,聚合相邻节点的特征,得到本节点的特征表达
引入图注意力,实现边的权重可学习,最简单的方法是,将两个节点的特征进行拼接,使用一组可学习的权重参数映射为边的权重
,经过Leaky ReLU后使用softmax归一化得到